基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用,其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标,基于复杂网络理论,应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型,详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系;通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱,基于节点介数的蓄意攻击效能最强;节点密度、信号辐射半径越小,VANET连通性越差,网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

基于熵理论的复杂装备费用测算模型

为了提高航空器、飞机等大型复杂装备的费用预测精度,根据相似信息优先原理和熵理论,将相似装备的选取看作是一个信息融合的过程,引入距离熵和灰关联熵,构建综合相似度指标来度量装备样本与待预测装备之间的相似程度,对不同样本进行赋权,建立加权最小二乘法对装备费用进行预测。针对装备样本数量小于参数数量的情形,通过构建装备参数对费用的驱动效应矩阵及计算相应熵权,选择熵权较大的参数作为测算模型的自变量。通过实例对比分析,表明基于熵理论的加权回归测算模型具有较高的预测精度和稳定性。      

基于复杂网络的空中交通复杂性识别方法

在空中交通管理中,识别空中交通复杂性是一项重要工作。目前的算法多采用飞机密度、机群、滞留程度等宏观指标对复杂性进行评价。利用复杂网络理论描述空中交通状况,将空域中的飞机视为节点,飞机与飞机之间距离小于彼此的机载防撞系统（ACAS）通信距离时开始构成连边,以此构建飞行状态复杂网络模型,可以更好地描述网络内部的微观特征。选取环边数、节点强度、平均聚类系数、介数中心性和网络效率等拓扑特性指标,对动态空中交通状况进行了研究。在此基础上,采用独立主元分析（ICA）在线识别空中交通复杂性,将交通顺畅的情况作为训练数据集进行处理,根据SPE统计量、I2统计量和I_e2统计量的变化来识别复杂性情况。仿真结果表明,所提方法可以较好地识别空中交通复杂性。      

复杂系统的选择性维修模型和求解算法

考虑不修、最小维修、换件维修和多中间维修水平,提出了一种基于粒子群优化（PSO）算法和多员维修的复杂系统选择性维修模型,将组件维修前状态、组件有效役龄和维修费用等因素引入不完全维修模型,更符合工程实际。提出了一种基于多员维修的系统组件维修分配算法,解决了如何将多维修任务分配给多维修人员,使得系统维修时间最小的问题,并将所提算法引入到PSO算法中,求解考虑多维修人员和不完全维修条件的复杂系统选择性维修模型。案例表明:所提模型和求解算法有效,能够为复杂系统提供切实有效的维修决策方案。      

基于不完美先验信息的随机系数回归模型剩余寿命预测方法

剩余寿命预测是设备预测与健康管理的核心问题,准确的剩余寿命预测可以在故障发生前进行有效的维护保养,以减小设备故障发生的概率。针对实际剩余寿命预测中先验信息不足或缺乏的问题,提出一种克服不完美先验信息影响的启发式剩余寿命预测方法。首先,利用非线性随机系数回归模型进行退化建模。其次,证明了基于单个设备现场退化数据,期望最大化（EM）算法的参数估计结果收敛于极大似然估计（MLE）算法的参数估计结果,并提出一种合理融合先验信息和现场信息的启发式剩余寿命预测方法。最后,通过数值仿真数据和实际锂电池退化数据对提出的结论和方法进行了验证,结果表明:启发式剩余寿命预测方法相比传统贝叶斯方法能够较好地克服不完美先验信息的影响,更为准确的预测设备地实际剩余寿命。      

基于机动时间的项目工期单因素不确定性分析

为了分析单个工序结束时间的变化对项目工期的敏感性,以总时差的概念及定理为基础,利用概率分析的原理及方法,确定了工序结束时间的变化在不同条件下的概率值,构建了项目工期单因素不确定性分析的指标评价体系,简要说明了指标体系中确定相关参数的思路与方法;然后,采用单因素敏感性分析法,重点分析了关键工序结束时间的变化对项目工期的敏感性,给出了不同关键工序结束时间的变化对项目工期的敏感性的判别方法,以及如何从被考虑的多个关键工序中找出需要重点考虑的对总工期敏感性最强的工序;最后,通过算例进行验证和说明.该评价体系在实践中有助于项目进度计划与控制,重点监督与控制对总工期敏感性强的工序,为项目工期的多因素不确定性分析奠定理论基础.      

基于模糊TOPSIS的FMEA方法

针对传统故障模式及影响分析(FMEA)中评价故障模式的影响因素和计算风险优先数存在的缺陷,提出了一种基于模糊逼近理想解排序法(TOPSIS)的FMEA方法。该方法采用模糊置信结构对影响因素的评价进行表示,并通过去模糊化和加权平均建立明确置信矩阵。考虑各影响因素的权重对分析结果的重要性,将主、客观赋权法相结合来分配各影响因素的权重,进而建立加权规范化矩阵,根据相对贴近度的大小确定各故障模式的风险水平。最后,举例验证了该方法的可行性和有效性。      

基于图论的潜通路分块分析方法

潜通路分析是一种重要的电路可靠性分析方法.随着电路系统规模的扩大,整体进行潜通路分析不仅使分析时间增加,而且分析过程会占据很大的存储空间.对大型复杂电路网络进行潜通路分析时,运用基于Laplace矩阵的谱平分算法对电路系统分块处理,将其划分成规模较小的若干子网络模块.根据子网络模块内部元件的组合状态,用深度优先搜索判断通路,将每个子网络模块等效成一个多端的特殊器件.对各个子网络模块分别进行潜通路分析,对等效后简化的电路系统整体分析,以达到对整个电路系统潜通路分析的目的.潜通路分块分析的方法简化了电路网络分析模型,有利于潜通路分析自动化智能化水平的提高.      

基于PERT网络的航空弹药保障人员优化配置

针对航空弹药保障效率和可靠性要求高的问题,在分析保障流程的计划评审技术（PERT,Program Evaluation and Review Technique）网络图中各工序对任务完工影响程度的基础上,提取了工序关键度指标和重要度指标以及各方案下的按期完工概率,建立了保障人员配置方案评价指标体系,表示为评价函数形式.以基于蒙特卡洛方法的PERT网络仿真为核心,选择在遗传算法进化寻优框架下构建优化模型,该方法不仅得到了最优的保障人员配置方案,而且评估了需要注重的关键工序.算例实验证实了其有效性与实用性.      

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.      

A global weighted mean temperature model based on empirical orthogonal function analysis

A global empirical orthogonal function (EOF) model of the tropospheric weighted mean temperature called GEOFM_Tm was developed using high-precision Global Geodetic Observing System (GGOS) Atmosphere T_m data during the years 2008–2014. Due to the quick convergence of EOF decomposition, it is possible to use the first four EOF series, which consists base functions U_k and associated coefficients P_k, to represent 99.99% of the overall variance of the original data sets and its spatial-temporal variations. Results show that U₁ displays a prominent latitude distribution profile with positive peaks located at low latitude region. U₂ manifests an asymmetric pattern that positive values occurred over 30° in the Northern Hemisphere, and negative values were observed at other regions. U₃ and U₄ displayed significant anomalies in Tibet and North America, respectively. Annual variation is the major component of the first and second associated coefficients P₁ and P₂, whereas P₃ and P₄ mainly reflects both annual and semi-annual variation components. Furthermore, the performance of constructed GEOFM_Tm was validated by comparison with GTm_III and GTm_N with different kinds of data including GGOS Atmosphere T_m data in 2015 and radiosonde data from Integrated Global Radiosonde Archive (IGRA) in 2014. Generally speaking, GEOFM_Tm can achieve the same accuracy and reliability as GTm_III and GTm_N models in a global scale, even has improved in the Antarctic and Greenland regions. The MAE and RMS of GEOFM_Tm tend to be 2.49?K and 3.14?K with respect to GGOS T_m data, respectively; and 3.38?K and 4.23?K with respect to IGRA sounding data, respectively. In addition, those three models have higher precision at low latitude than middle and high latitude regions. The magnitude of T_m remains at the range of 220–300?K, presented a high correlation with geographic latitude. In the Northern Hemisphere, there was a significant enhancement at high latitude region reaching 270?K during summer. GEOFM_Tm is capable to represent the spatiotemporal variations of T_m, with the high accuracy and reliability in a global scale, therefore, will be of great significance to the real-time GNSS water vapor inversion and climate studies.     

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。