威布尔分布的极大似然估计的精度分析

威布尔分布参数估计的极大似然方法是一种常用的方法,在故障数不小于10的情况下推荐使用.但在工程中,由于产品的可靠性高,或者是样本量少,试验的故障数常常是小于10,在这种情况下需要明确所得的评估结果的精度是否满足要求.运用区间估计的思想,提出了一种解决上述问题的评价和判断的方法,并应用此方法对完全样本情况下,形状参数的极大似然估计量的精度进行了讨论.工程上,可以依据文中提供的结论定量分析威布尔分布形状参数极大似然估计量的精度.      

可靠性灵敏度分析的一种偏倚蒙特卡罗方法

根据可靠性灵敏度分析的需求和特点,选择似然比方法作为基础的导数/梯度估计方法.立足经典可靠性系统和基于元件的蒙特卡罗方法,推导了原始蒙特卡罗仿真环境下的似然比导数估计方法.为加速仿真,进一步提出了一种偏倚技巧,该技巧在系统结构函数的基础上定义一个应用重要抽样的无偏估计量,并通过最小化该估计量的方差来获得最优偏倚参数值.该估计量拥有的一个重要优势是其方差优化任务可以分解到单个元件的层次上进行,从而避免了高维优化的难题.通过一个可解析求解的简单实例验证了似然比导数估计方法应用于可靠性灵敏度分析的有效性,以及所提出的偏倚技巧对于降低导数估计方差的有效性.对于所考虑的实例系统,提出的偏倚蒙特卡罗方法对各个感兴趣的量都给出了很好的估计,与原始蒙特卡罗方法相比,各个估计量的方差均降低了至少6个数量级.     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。     

基于Bootstrap理论的小子样寿命评估模型

针对航天产品小子样、长寿命的特点,提出了基于Bootstrap理论的小子样寿命评估模型。采用B-样条函数构造Bootstrap样本经验分布函数,进行放回抽样。在此基础上,分别采用非参数Bootstrap方法和参数Bootstrap方法建立了寿命评估模型。采用提出的模型对空心阴极循环点火寿命试验数据进行评估,得到多个寿命特征结果,与传统的参数极大似然估计方法的计算结果进行了对比分析,其评估精度满足工程的应用需求,验证了该模型的工程实用性和有效性。      

监测位移预报的非等间距相关系数平稳序列法

建立了监测位移时间序列分析、建模和预报的非等间距相关系数平稳序列法.采用随机过程理论导出了模型的整体极大似然估计,在保证参数估计量优良统计特性的同时,克服了现行组合模型方法难以处理非等间距监测位移序列的问题.通过数字模拟仿真技术解释了传统插值处理产生较大误差的原因.计算实例表明该方法具有较高的建模和预报精度.      

基于β似然函数的参数估计方法

分布参数估计是可靠性数据分析的手段,用于研究产品可靠性的变化规律及评估产品的可靠性水平。使用寿命试验中产品可靠度所服从的β分布评价可靠度估计值的合理程度,认为可靠度估计值在β分布中概率密度较大的更合理,给出了一种评价可靠度函数估计好坏的β似然函数,探讨了使用该函数进行分布参数估计的β似然估计方法,通过仿真验证了该方法在指数分布和威布尔分布下的适用性,并给出了应用实例。本参数估计方法理论依据充分,适用于各种分布类型,估计结果合理可信。极大似然估计方法以样本在待估分布中的概率密度作为评价准则,与之不同,本方法以累积发生比例的估计值作为评价准则,更适用于可靠性、生存率等关注事件累积发生比例的场合。      

含函数型自变量回归模型中的变量选择

针对含有函数型和多元向量数据的回归模型中变量选择和参数估计问题进行研究,扩展了函数型数据分析和变量选择方法的应用范围。首先,函数型自变量基于函数型主成分基函数空间进行投影;然后,对投影后的函数型自变量（按组）及多元向量自变量采用惩罚变量选择方法,同时估计相应的系数。惩罚项调节参数采用自适应调节参数,损失函数采用中位绝对损失函数,以此为例,通过引入松弛变量将估计算法转化为求解线性规划问题,算法复杂度低。数值模拟结果表明,所提方法对于含函数型自变量回归模型的变量选择和参数估计均具有良好效果。      

货币需求函数形式的变量转换方法

研究Box-Cox转换在经济计量学中货币需求函数的函数形式设定方面的应用。并讨论与此有关的极大似然估计方法和似然比检验统计量的构造。并指出Box-Cox变换应用中的几个需要注意的问题。     

一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

结构原始疲劳质量分布确定方法的改进

现有的三参数威布尔分布描述结构原始疲劳质量的方法对于工程应用中的小样本试验,存在参数估计值性差,直接影响结构经济寿命的评定,本文提出了原始疲劳质量的双参数威尔分布模型,并采用极大似然法估计分布函数参数,讨论了结构损伤度与分布参数置信区间的关系,进而研究了形状参数给定条件下的单参数威布尔分布模型以及结构损伤度的变化规律,通过应用实例对三参数威布尔分布,双参数威布尔分布和单参数威布尔分布进行了对比分析     

基于不确定性的航空装备体系保障性评估

针对航空装备体系结构复杂、要素繁多、耦合性强的特点，对其保障流程进行了研究。采用多Agent建模技术开展航空装备体系保障性仿真建模，并进行分析评估；考虑到保障过程中大量存在的主客观不确定性因素，分别采用模糊变量和随机分布2种变量形式予以描述；为符合客观变量动态时变的特点，将基于交叉熵的最大似然估计和哈密顿蒙特卡罗方法相结合，实现基于信息更新的仿真参数描述，优化航空装备体系保障仿真模型。以一个典型战训任务为例，验证了所提方法的可行性和准确性。      

成分数据的空间自回归模型

针对已有成分数据线性回归模型对研究对象相互独立的严格要求,提出了含有成分数据和普通数据的空间自回归模型,在此基础上提出了成分数据空间自回归模型的估计方法。新模型结合了空间自回归模型处理因变量之间相互依赖的优势,可同时处理成分数据和普通数据。通过利用等距对数比（ilr）变换将成分数据解约束,得到了新模型的参数估计量。蒙特卡罗模拟实验验证了所提估计方法的有效性。      

带空间结构的人工神经网络建模方法

将遍历搜索法引入带空间结构的人工神经网络模型,提出一种新的模型估计和空间数据样本外预测方法。该方法基于人工神经网络,结合空间自回归模型思想,在网络模型中引入空间滞后项来考虑变量的空间效应,提出使用遍历搜寻最优解的方式替代传统极大似然法进行空间自回归系数估计和建模。结合样本外数据和空间结构,扩展空间权重矩阵并代入所提模型进行样本外预测,充分发挥了人工神经网络模型泛化能力强的特点。仿真分析指出:在合理考虑空间效应的情况下,所提模型的预测效果较普通人工神经网络有显著提升;而且当空间变量间存在非线性关系时,所提模型的预测精度同样优于空间自回归模型。      

基于EMD及PNN的航天器振动环境分析

针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD (Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Network)自回归模型.通过EMD对原始时间序列进行分解, 使之成为一组不同尺度的局部正交本征模函数IMF(Intrinsic Mode Functions),利用PNN对每个IMF分别进行时变参数分析并以此确定其时变自功率谱密度,对所有分量的时变自功率谱密度通过叠加进行重构, 以此得到原始信号的时变自功率谱密度.仿真结果和实例分析表明:和传统的时频分析法相比,该方法直接使用信号数据,避免了相关估计计算,减小了计算工作量;无交叉干扰项,提高了信号的时频分布特性,具有较高的时频分辨率;对各工况下航天器的振动信号能有效的进行分析,具有较强的信号特征提取能力.      

可修产品的步进应力加速寿命试验统计分析

为了通过可修产品在步进应力加速寿命试验中产生的故障数据,评估可修产品的寿命和可靠性指标,基于产品在两个不同应力水平下的累积故障强度函数相等的原则,提出了可修系统步进应力加速寿命试验的时间折合公式.通过反复迭代,可修系统在步进应力加速寿命试验过程中产生的故障数据可以折合到相同试验条件下.在产品进行最小修复的假设下,采用引入位置参数的三参数Weibull过程结合Peck加速模型对试验过程进行拟合.通过使用该模型对折合后的数据进行处理,外推得到了可修产品在正常应力条件下的寿命和可靠性指标.使用剩余分布抽样方法进行计算机仿真,验证本文方法的正确性.结果证明该模型和方法不仅在参数估计方面比传统的模型有更高的精度,而且还可以应用到可靠性增长试验的数据评估中.      

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

基于稳态和非稳态时变可用度模型的适用性

针对METRIC模型中以备件期望短缺数计算的稳态可用度模型能否直接转换适用于非稳态时变可用度模型,扩展METRIC理论,分别建立了仅以备件期望短缺数计算的时变可用度模型和以备件期望短缺数及方差计算的时变可用度模型。在保障系统达到稳态(修复概率为1)和处于非稳态(修复概率小于1)情况下,分别采用2种时变可用度模型计算表决结构单元和串联结构单元的可用度,并与Monte Carlo仿真模型计算得到的结果进行对比分析。结果表明:以备件期望短缺数计算的时变可用度模型仅在串联结构单元且保障系统达到稳态时与仿真可用度值一致,适合于装备全寿命周期内备件配置优化的计算;以备件期望短缺数及方差计算的时变可用度模型无论保障系统处于稳态或非稳态,适应性均较强,适合于任务期作战单元备件配置优化计算。     

绳系拖曳飞行器高抗扰轨迹跟踪控制

针对受未知风扰动作用下的绳系拖曳飞行器轨迹精确控制问题,设计了一种基于最小学习参数神经网络估计器的拖曳飞行器轨迹动态面控制方法。首先,结合绳系拖曳系统多刚体动力学模型,构建拖曳飞行器六自由度非线性模型,并完成其仿射非线性化处理。其次,考虑到拖曳飞行器可能受到前方飞机尾涡、紊流和阵风等未知气流及不可测量瞬变缆绳拉力等扰动的综合影响,构建了基于最小学习参数神经网络的拖曳飞行器状态/扰动在线估计器,以准确重构系统不可测量集总扰动。然后,基于所提状态/扰动在线估计器,设计了一种基于最小学习参数神经网络状态/扰动在线估计器的拖曳飞行器轨迹动态面控制方法,并分析了系统稳定性。最后,仿真表明,所提方法能够在多重气流扰动下实现拖曳飞行器位置稳定和机动轨迹跟踪。