弹道折合的遗传主成分方法

制导工具误差折合是导弹精度评定中的重要问题,针对传统主成分方法中主要成分选择只考虑试验弹道的问题,提出了充分考虑试验弹道与全程弹道特点的主成分确定方法,并利用遗传算法确定最佳主成分子集。仿真计算表明,与最小二乘和经典主成分方法相比,遗传主成分算法获得的全程弹道遥外差与落点偏差更接近于真实值。     

非对称线性方程组的广义拟最小向后误差算法

正交投影方法已经广泛应用于求解线性方程组.人们很少注意到斜投影方法,事实上斜投影方法更适合于解大型非对称线性方程组.本文的目的是考虑一标准来判断是否一个给定的近似值是合适的,并给出一个算法来计算线性方程组Ax=b的解使得向后误差算法满足某个优化条件.     

基于改进的动态故障树的惯导系统安全性分析

惯导系统的安全性是影响整个飞行器安全的重要因素.在利用动态故障树对惯导系统进行安全性分析时,针对马尔科夫链的组合爆炸和无法分析事件服从非指数分布系统的问题,引入了Monte - Carlo方法.提出了一种基于改进的最小割集的动态故障树分析方法,该方法通过改进最小割集的生成方法,确定相应的分析流程,综合了二元决策图、马尔...     

气囊着陆缓冲系统的冲击动力学多目标优化

文章以数值仿真为手段,研究了气囊缓冲登陆系统的冲击动力学多目标优化问题。首先,以类似于"猎兔犬"着陆缓冲系统为对象,确立了以囊内初始气压与收缩绳刚度为设计变量,以缓冲系统的首次冲击最大过载和囊体织物最大应力为目标函数的多目标优化问题。随后基于D最优试验设计,采用移动最小二乘(Moving Least Square,MLS)构建了各个目标函数的代理模型,并对目标函数随设计变量的变化规律进行了探讨。最后,采用遗传算法完成了缓冲系统的冲击性能优化,并给出设计空间中关于最大过载与织物最大应力的Pareto前沿。研究结果表明,MLS模型优化算法十分适用于解决非线性程度较高的冲击动力学优化问题,并且在替代真实模型仿真计算时不仅具有较高的近似精度而且具有高速的分析效率。     

基于最小二乘法的热试验温度数据预测

航天器真空热试验中,温度数据的正确判读及预测十分困难,又十分重要。文章针对典型的太阳电池板试件建立了热模型,使用热分析中常见的有限差分法建立离散方程,通过最小二乘法拟合其系数,以预测下一个测控周期各个测量点的温度,并提出了滑动窗口修正的方法。基于某型号电池板试验数据对热模型的预测精度进行了验证和误差分析,最后对通过测点温度逆向预测加热功率的应用进行了讨论。     

动态环路法磁矩测量系统标定与误差评估

为保证磁矩和磁心位置测量精度,需要对动态环路法磁矩测量系统进行标定。在分析系统测量误差组成及其影响的基础上,提出了对动态环路法磁矩测量系统标定的方法,即采用以不同大小标准磁体为被测对象的标定方案,利用最小二乘法给出了5个标定系数值。通过测量2组用于模拟真实被测对象的组合磁体,评估了标定后动态环路法磁矩测量系统的实际测量性能。结果表明,标定后的动态环路法磁矩测量系统对偶极磁矩的测量误差不大于4.6%,磁心位置测量误差不大于7.2%。     

石英加速度计误差模型系数的递推最小二乘辨识方法研究

为探索在线辨识的测试方法,满足实时辨识的需要,本文提出采用递推最小二乘法辨识石英加速度计模型系数,并对其在重力场测试中的应用进行了研究.介绍了递推最小二乘系数估计法原理,为便于实际应用,根据测试领域的习惯,对递推最小二乘方法进行了梳理.以加速度计分度头试验为例,将该方法应用于加速度计重力场试验的误差模型系数辨识.仿真分...     

非线性偏最小二乘回归法在均匀设计响应面法中的应用

 针对目前多维变量可靠度分析中广泛应用的均匀设计响应面法(RSM),指出了使用最小二乘(LS)法拟合拟线性回归模型时存在的局限性,并提出采用拟线性偏最小二乘(PLS)法来回归响应面系数。由于拟线性回归法限制了模型的形式,精度提高有限,结果也很不稳定,因此又提出用基于样条变换的偏最小二乘回归模型代替拟线性回归模型并用于结构失效概率的计算,既能处理最小二乘法无法解决的变量间多重相关性的问题,又能避开拟线性回归中预先对模型形式的假定。通过算例验证了基于样条变换的偏最小二乘法的适用性和有效性,尤其对于多维变量非线性程度较高的可靠度分析,与普通最小二乘法拟合的响应面相比,其模型更加精确,失效概率精度更高。     

LS-SVM稳健设计及正则化性能分析

LS-SVM(最小二乘支持向量机)把传统的支持向量机求解由二次规划变为求解线性方程组问题,使得在计算效率和算法设计的简单性上都有很大提高。然而,LS-SVM由于其误差函数是二次函数,对训练样本中的野值比较敏感,采用传统的LS-SVM方法,容易歪曲系统,并可能直接导致函数逼近失败。针对这一情况,基于最优化理论及稳健估计思想,提出了RLS-SVM(稳健LS-SVM)的设计方法。数值计算表明,在有野值的情况下,RLS-SVM对函数逼近具有良好的稳健性。另外,分析了正则化因子与核函数的选择对逼近性能的影响,并给出了在不同情况下的一些使用规则。