混合点状和非规则军标的在线手绘识别

当前对在线手绘军标图符识别的研究只针对单一类型的手绘点状军标或非规则军标,分别使用不同方法进行识别.但在特殊应用中二者常混合输入,当待识别军标图符的类型未知时,如何识别是一个重要问题.提出一种基于最小生成树(MST)覆盖模型的混合识别方法,训练阶段,分别对点状和非规则军标样本建立MST覆盖模型,并训练一个二分类支持向量机(SVM)分类器;识别阶段,先通过几何和结构信息粗判断军标类型,再通过置信度估计和融合的方法确定未知军标的类型.在113类点状军标和36类非规则军标的数据集中实验,军标类型区分准确率为94.7%,最终识别率为91.6%,且能满足实时要求.      

大型复杂项目风险建模与熵决策

对复杂系统规模庞大、结构复杂、风险众多从而难以进行决策的问题,提出了分级建模、风险过滤、风险评价和熵决策的复杂项目风险决策思路.应用分级全息建模技术辨识系统风险,开发了一个卫星系统研制项目的风险识别模型,克服了单一模型描述风险源的局限性;通过风险过滤、评级和管理技术对已经识别的风险进行定性和定量的度量,对风险进行分级,确定了关键风险;利用熵决策模型对关键风险进行评估和优选,得到最优决策方案.在此基础上开发了一个卫星系统研制项目方案选优决策的案例对该过程进行了分析,为大型复杂项目风险决策、重大工程项目方案择优决策提供了一条新的思路.     

一种频繁复合项目集的混合求解方法

关联规则挖掘的关键在于频繁项目集的求解,为了能够在含有数值类型数据的交易数据库中快速求解含有多值的频繁项目集,拓展了含有多种数值的交易数据库定义.在此基础上,根据树的思想,建立含有交易项和交易数量的树,并结合Apriori算法和智能搜索,提出在各个较小的树枝路径中求解频繁项目集求解方法FABCTA(Fast Algorithm ByCandidate Transaction Tree and Apriori).通过采用真实数据实验对比,FABCTA效率明显优于Apriori算法.      

基于UR-MTPGERT网络模型的复杂装备风险传导分析

针对复杂装备风险传导关系描述不清晰的问题,构建了风险传导不确定随机多传递参量图形评审技术（UR-MTPGERT）网络模型。首先,基于机会理论,定义了不确定随机变量的矩母函数,并在此基础上构建了UR-MTPGERT网络模型。其次,为刻画复杂装备的微观风险信息,在模型中引入系统风险度、风险元重要度、风险路径关联度等解析参数。然后,求解矩母函数时,采用德尔菲法处理专家经验数据,得到经验不确定分布,并利用极大熵模型处理随机数据,得到概率密度函数;引入矩阵分析技术,解决了网络拓扑分析困难的问题,在此基础上计算网络参数。最后,对某型飞机进行安全性分析,结果表明,该模型能清晰反映风险元间的关系,可以为复杂装备的风险分析、预判和安全控制提供借鉴。      

结构输出响应概率密度估计中分数矩求解方法

鉴于概率不确定性背景下基于分数矩极大熵准则的结构可靠性分析方法具有较大的效率与精度优势,综合研究并给出了可以用于极大熵准则中约束条件输出响应分数矩求解的3种分数矩求解方法,包括降维积分(DRI)方法、稀疏网格积分(SGI)方法和无迹变换(UT)方法。阐述了分数矩求解原理及过程,给出了方法的计算效率,并分析了方法的适用性。3种分数矩求解方法在确保计算精度的同时可以很大程度减少结构输入-输出模型的调用次数,大幅提高统计分析效率。通过与Monte Carlo仿真分析法对比,验证了3种分数矩求解方法的正确性与高效性。      

某伺服实时控制软件SFMEA/SFTA

对某助推伺服控制软件开展失效模式影响分析(SystemFailureModeandEffectsAnalysis,SFMEA) 和故障树分析(SoftwareFailureTreeAnalysis,SFTA)。SFMEA 是一种自下而上的分析方法,用以辨识出一系列可能的软件潜在故障模式,并评估其对系统工作的危害性。SFTA 是一种自上而下的分析方法,其目标是识别出基本事件(底事件),而基本事件可导致系统产生其所不希望发生的顶事件。应用SFMEA和SFTA的主要目的是提高软件和系统的安全性及可靠性。     

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

座舱瞬态热载荷的计算与仿真

以我国新一代战斗机的研制为背景,提出了高精度的飞机座舱瞬态热载荷的计算与仿真方法.与传统的计算方法相比,通过联解传导-辐射-对流耦合的控制方程以求出蒙皮温度、座舱各壁面温度,同时考虑了透过舱盖、风挡等透明体的太阳辐射对舱内驾驶员、座椅及仪表盘这类内表面温度和舱内空气温度的影响.通过将座舱内外壁面和舱内空气作为一体联解方程组后,结合某飞行剖面求解了飞机座舱实时瞬态热载荷,并比较了采用本方法与传统方法对计算精度的影响.      

基于SOM和关联规则的民机运行风险

为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。     

基于树拓扑结构的多联邦系统

多联邦系统的逻辑结构对系统的开发、运行、以及可扩展性有着重要的影响.提出了基于树形拓扑结构的多联邦系统,在此系统中联邦之间通过代理(proxy)相互连接,每个联邦只与上级和下级联邦存在直接的逻辑连接关系,避免了数据传输多通道问题和传输回路等问题.针对实时树拓扑结构分级多联邦系统,提出了利用运行时间框架(RTI,Run-Time Infrastructure)的时间管理机制对系统的时间推进进行同步的策略,通过合理设置时间主控联邦成员和受控联邦成员,源自根联邦的同步信号能够通过树拓扑结构传递到最底层的叶联邦,从而保证了整个系统在时间推进上的同步.最后分析了系统中同步信号的时间延迟,给出了计算时间延迟的公式.该公式显示,系统分级越多,同步信号的时间延迟越大.      

改进的风险优先数(RPN)分析方法

针对工艺故障模式影响分析(PFMEA,Process Failure Modes and Effects Analysis)中风险优先数(RPN,Risk Priority Number)分析方法存在的缺陷,在分析导致这些缺陷的原因的基础上,提出了一种基于费用及发生概率的定性与定量相结合的RPN分析方法.该方法中定性分析部分以传统RPN分析方法中的严酷度等级评价为基础,对工艺故障模式的严酷度等级进行评价;定量分析部分以故障模式发生后导致的费用损失的期望值作为RPN值.改进后的RPN分析方法中,定量化的数据使得风险排序更为客观、准确.最后,使用改进后的RPN分析方法对相控阵雷达中某组件的滤波器装配工艺进行了PFMEA分析,取得了良好的效果.      

基于深度学习的大型陨石坑识别方法研究

陨石坑是天体表面最为显著的地形特征,传统陨石坑识别方法主要是对小型陨石坑正负样本的二分类问题研究,且效率和精度均不高。以星体宏观视角下的大型陨石坑作为研究对象,结合图像处理和神经网络等方面的知识,创建了来自不同数据源的陨石坑样本数据库,研究了数据源对网络模型泛化能力的影响,提出了一种效率更高的陨石坑多分类识别方法。在非极大值抑制（NMS）算法基础上,提出了一种精度更高的陨石坑检测算法。经过参数优化和实验验证,构建的基于深度学习的多尺度多分类陨石坑自动识别网络框架取得了较高的准确率,在同源验证集上识别率可达0.985,在异源验证集上识别率可达0.863,并且有效改善了目标检测时检测框冗余及误检测的问题。      

基于多分类AdaBoost的航空发动机故障诊断

对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容。由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机（SVM）为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模。实验表明,AdaBoost相关结合算法能够显著提升分类器性能。根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断。