知识与数据融合的可靠性定量模型建模方法

可靠性定量设计的关键是建立可靠性定量模型。现有的可靠性定量模型建模方法主要基于设计人员对产品对象故障规律的知识,包括故障模式、环境扰动、故障机理等。但知识固有的有限性和不完整性必然会给可靠性定量模型带来模型误差和输入参数的不确定性。针对这个问题,提出了基于贝叶斯理论融合知识和数据的可靠性定量模型建模方法,量化并更新模型误差和输入参数的不确定性。为此,首先说明了知识与数据融合的可靠性定量模型建模工作,建立了知识与数据融合的可靠性定量模型建模框架;接着阐述了基于贝叶斯理论的知识与数据融合原理;然后介绍了基于贝叶斯理论融合知识与数据的通用方法,并分别针对性能波动数据和性能退化数据2种常见数据类型进一步详细讨论了各自适用的贝叶斯融合方法;最后通过机载轴向柱塞泵的案例验证了前述方法的可行性和有效性。      

液体火箭发动机可靠性增长分析与决策研究

液体火箭发动机试验费用昂贵、可靠性要求高，有必要采用分析和决策技术对可靠性增长进行综合管理。传统的可靠性增长分析与决策是采用可靠性增长模型，包括经典可靠性增长模型和Bayes可靠性增长模型。可靠性增长模型以可靠度的点估计或置信下降作为决策标准，缺陷是没有考虑可靠度本身的不确定性以及由决策损失导致的严重后果。本文根据液体火箭发动机的特点，采用信息融合技术，建立了基于增长数据折合的Bayes指数分布可靠性增长模型，评估可靠性水平。针对评估结果存在的不确定性，采用Bayes风险决策方法确定停止可靠性增长试验时间的标准。工程应用表明：该方法可操作性强，得出的结果科学、可靠。     

基于意图推断的高超声速滑翔目标贝叶斯轨迹预测

为解决高超声速滑翔目标机动给探测防御造成的困难,研究基于意图推断的贝叶斯轨迹预测方法。首先对目标进行动力学建模,利用气动参数设计机动模式集。假定高超声速滑翔目标必定攻击某目标,结合飞行意图合理构造意图代价函数,借鉴贝叶斯理论迭代推导机动模式和运动状态递推公式。通过蒙特卡洛采样实现轨迹预测算法。仿真结果表明,算法能有效提高目标机动不确定条件下轨迹预测的精度,当多目标可能被打击时,通过对预测轨迹进行在线重新规划,降低目标误判给轨迹预测造成的不利影响。     

区间不确定信息下可修系统基于幂律过程的贝叶斯可靠性评估方法研究

贝叶斯方法常用于小子样场合下航空航天等领域中可修系统的可靠性评估,由于一些不确定因素影响致使无法精确收集先验信息和/或可修系统的故障信息,但却可获得其上下界信息。针对区间不确定信息情形,提出多台可修系统当其失效过程服从幂律过程（PLP）时的贝叶斯可靠性分析方法,将信息先验下PLP模型基于区间信息的贝叶斯分析转化为所求目标函数恰是该先验下PLP模型传统贝叶斯分析的约束优化问题;通过具体工程实例对本文所提方法的可行性、有效性进行验证。结果表明：本文所提出的贝叶斯可靠性分析方法能够为小子样场合下,考虑不确定性因素影响时可修系统的可靠性评估问题研究提供一种值得参考的方法。     

基于数据驱动的可控变形叶型优化方法

重点研究了综合考虑变形代价及气动收益的可控变形叶型优化设计方法。利用机器学习算法构建叶型几何与关键气动参数之间的预测模型，量化变形代价及气动收益，并搭建贝叶斯优化框架进行寻优。结果表明：基于机器学习的预测及优化框架能够准确预测风扇变形后的气动性能，且在考虑变形代价的条件下对叶型变形收益边界进行评估。主要结论是利用机器学习算法结合叶斯寻优框架可以获得兼顾变形代价以及气动收益的变形方案。相比于单纯的气动优化方案，此方案可以在保证气动性能提升的同时，使叶片最大应力降低14.17%，压电片驱动能耗降低67.45%。     

数据和知识驱动的空战目标集群类型综合识别

目标集群类型识别是体系作战样式下态势认知的关键，然而现有集群识别算法主要依据专家知识人工进行判读，难以满足作战态势快速、准确理解的需求。提出数据和知识驱动下的推理机制，构建分层精细化推理的集群场景识别框架，预识别层检测目标运动过程中的集群的分群/合群，根据设计基于边界检测的密度峰值聚类确定群的划分情况，得到集群的初步识别结果；再识别层中综合分析集群执行任务、运动特性、电磁特性，对集群目标的多源特性进行多元知识约束下的推理网络构建，在此基础上利用现有数据进行推理网络参数学习，进而使推理获得更为准确的集群类型识别结果。该框架综合知识和数据的优势具有从粗到精的集群目标识别能力，利用多特征综合推理机制对目标集群精细化分析，实现集群类型的准确识别。在典型的集群作战活动场景下推理置信度和正确率两项指标均优于现有算法，验证了所提方法的有效性，提高空战目标集群类型识别的置信度和准确率。     

装备试验评估中的变动统计问题与方法

随着装备性能的提高和试验过程的复杂化,变动统计问题逐渐成为装备试验评估领域中亟待解决的重要问题,需要融合不同阶段、不同来源的异总体试验数据对产品研制、生产、使用过程中的性能变化过程进行恰当的建模与评估。首先分析了变动统计问题的主要特征,并简要回顾了变动统计问题在装备质量与性能指标评估领域中的研究历程。针对变动统计问题所面临的主要研究对象,分析了其中需要解决的若干关键问题。通过与其他几个相关研究领域的比较,提出了变动统计的基本内涵。最后,归纳提出了基本的变动统计方法：基于约束关系的多总体融合估计、基于线性模型的变动总体建模与预测和基于Bayes方法的多源验前信息融合,并对各类方法的特点与前景进行了讨论与展望。
     

基于贝叶斯方法的HPRF雷达跟踪解距离模糊方法(英文)

高脉冲重复频率(HPRF)雷达目标跟踪需要解决距离模糊问题。本文通过把脉冲间隔数和脉冲间隔变化量作为目标的离散状态,目标的距离和径向速度作为目标的连续状态,将HPRF雷达的跟踪和解距离模糊问题转换为贝叶斯框架下的混合估计问题并且利用粒子滤波方法实现。仿真结果表明本文方法在脉冲间隔数变化时仍可以正确地解距离模糊,并且跟踪精度比多假设方法高。     

基于递推贝叶斯的检测跟踪一体化方法

在雷达系统中,对雷达散射截面积(Radar Cross-Section,RCS)较小的快速机动目标的检测与跟踪是难点。本文提出采用基于递推贝叶斯原理的检测跟踪(Track-and-Detect,T&D)一体化方法提高雷达对这类目标的检测和跟踪性能。针对机动目标,用模型参数更新法来改进递推贝叶斯方法,即利用先验信息或实时估计的目标速度信息实时更新运动模型参数。对雷达实测数据的处理结果表明,该方法在机动目标的平均信噪比约为6dB时,即可实现在虚警率为10-3时检测概率达到0.9的指标。     

基于分层的SVDDBN的空间作战决策研究

为了实现空间作战平台在不确定知识基础上的快速自主智能攻击决策,以天基反卫星作战为背景,提出利用分层的变结构离散动态贝叶斯网络(SVDDBN)来建立攻击决策的图形模型,给出了该模型的推理算法公式和用于攻击决策的变结构网络参数的自适应生成算法。在此基础上设定初始条件进行模型算法的仿真验证,试验结果证明了本文提出的算法的可行性,它可以使空间作战平台利用打击链前端传来的经过模糊处理数据进行快速的推理决策,从而使空间作战平台具有有效的自主化决策能力。