自动驾驶仪可靠性设计的故障树分析

以地空导弹自动驾驶仪系统可靠性的故障树分析（ＦＴＡ）为例，建立了故障树、结构函数，并进行了系统可靠度计算。实践表明，本方法具有通用性，也可用于其他弹上设备的故障树分析。     

固体发动机失效树专家评分法

根据固体火箭发动机失效树定量分析中确定底事件失效概率存在的困难,提出了确定底事件失效概率的工程方法——专家评分法.用此方法对某型号发动机试样阶段结构可靠性进行了实例分析,得出了较满意的结果.     

潜在电路分析中的拓扑模式图形生成算法研究

在电路网络树拓扑模式被识别出来的基础上 ,推导出网络树的基本拓扑模式图形生成算法 ,以便于分析设计人员使用拓扑模式图形的方式对电路系统进行具体的潜在电路分析     

系统可靠性维修性分配软件设计

设计的系统可靠性维修性分配软件是为工程人员进行系统可靠性维修性分配计算提供的软件平台,采用了扩展二叉树(左父右子树)算法、OLE技术、数据库技术等,通过C 语言,完成了分配模型建立、可靠性分配算法、维修性分配算法、报表输出、数据库操作等模块的编制工作。从软件工程的角度分别对各个开发阶段的工作,及其功能实现做了具体的阐述。最后,对本系统进行了综合测试,获得了较好的效果,满足了工程准度和精度的要求,提高了系统可靠度分配的效率,为工程应用提供了有力的平台。     

固体发动机失效树定量分析法

根据固体火箭发动机失效树定量分析中确定底事件失效概率存在的困难,提出了确定底事件失效概率的工程方法——征求意见评分法。通过对某型号发动机试样阶段结构可靠性实例分析,得出了较满意的结果。     

三维直角叉树切割网格Euler方程自适应算法

基于叉树数据结构，实现了一种用于三维直角叉树切割网格的自适应算法，包括对几何外,形以及对流场计算的自适应网格加密技术。在初始网格的生成过程中，根据相邻网格的物面法向向量间的差值，进行针对外形的自适应网格加密；在流场计算中，根据相邻网格间选定物理量梯度的变化，进行针对流场的自适应网格加密。详细地描述了三维直角叉树切割网格的生成过程，以及以任意网格的切割细分算法。在自适应过程中，分别采用了八叉树和全叉树的数据结构，八叉树是基本的数据结构，而全叉树的采用，使网格具有了各向异性的特征，从而大大的减少了自适应网格的数量。采用中心有限体积法，求解Euler方程，并运用上术方法，完成了对外形和流场的逢适应网格加密算法，获得了较好的数值计算结果，证明了自适应算法的正确性，体现了直角叉树切割网格自适应技术的有效性和实用性。     

基于数据库的CAPP系统研究

简述了航空产品基于数据库的CAPP的必要性,介绍这种CAPP的体系结构、数据流程和特点。论述以产品结构树为核心的用户化工艺文件信息模型、工艺文件的表达、面向产品或BOM的工艺设计方法、CAPP与PDM、MRPII之间的信息集成等关键技术。     

直接不交化方法在故障树定量分析中的应用

在布尔集合运算方法和不交化方法基础上，提出了单调关联故障树系统定量分析优化方法，通过故障树定量分析优化方法，可以方便地得到系统的可靠度、不可靠度、最小割集、最小路集、关键重要度等指标。     

一个基于故障树模型的诊断系统

提出一种基于故障树模型的诊断方法，并基于该方法实现了一个验证性的诊断系统。基于故障树的层次诊断模型，提出了确定性推理方法和可能性推理方法及面向故障树的基于框架和广义规则的混合知识表示方法。最后在ＣＯＭ－ＰＡＱ４８６微机上，Ｗｉｎｄｏｗｓ环境下，用ｂｏｒｌａｎｄＣ＋＋实现了该诊断系统，并通过对一个电路系统实验台的诊断验证了方法的有效性。     

Application of improved active disturbance rejection control algorithm in tilt quad rotor

The Tilt Quad Rotor (TQR) has complex dynamics characteristics, especially in conversion mode. It is difficult to build the dynamic model of the TQR and the environmental factors have a great influence on it. To solve the problem of control in conversion mode of TQR, this paper carries out the design of the controller based on improved Active Disturbance Rejection Control (ADRC). According to the characteristics of flight in conversion mode, Tracking Differentiator (TD) with explicit model is used to solve the problem of multiple integrals when the system is high-order system. Extended State Observer (ESO) with Radial Basis Function (RBF) neural network is used to estimate and compensate for internal and external uncertainties, and the adaptive sliding mode control in Nonlinear State Error Feedback (NLSEF) is used to improve the response speed of the controller and reduce the parameters which should be tuned. Through the flight control simulation of the TQR, the validity and rationality of the control system are verified.