基于改进蚁群算法的改航路径规划研究

当航班遇到恶劣天气或者飞行冲突时,可以采取航班改航策略为需要改航的航班规划出合适的飞行路径。采用栅格法对环境进行建模并且对传统蚁群算法进行改进。首先,在转移概率的计算上加入危险天气的影响等级;其次,在节点选择上采用贝叶斯思想,通过后验概率对候选节点进行评估;最后,通过在短时间内信息素的增量上的差别来增大较优路径和其他路径之间的信息素量的差距,引导算法收敛到最优路径,同时加快算法的收敛速度。经算例分析证明了方法的有效性和可行性。     

非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

贴近心中最朴素的自己

<正>露水从草叶轻轻滑落,蝉翼挑起微小颤动,清晨时空里的美与宁静,由心生发也须由心感知。2013年例外夏季最新系列名为"处静"。露水从草叶轻轻滑落,蝉翼挑起微小颤动,清晨时空里的美与宁静,由心生发也需由心感知。2013年例外夏季最新系列名为《处静》。处静,意指无论独处内心,还是相处外界,始终信守淡然、宁静与轻盈。设计师通过简约的服装廓形以及朴实的设计风格来表达远离喧嚣的处境,善于捕捉当下,通过瞬间的心灵碰触,使我们更贴近心中最朴素而真实的自己。《处静》系列风格清新、恬静、随意,色彩轻柔、明亮,整体感觉充盈着生活气息和文艺感。设计师从未放弃对颜色的想象,《处静》系列除了沿     

基于F代表点的高斯过程矩匹配滤波

提出了一种基于F偏差代表点的高斯过程矩匹配滤波方法。该方法通过高斯过程学习系统的过程函数和观测函数,在高斯矩匹配滤波的框架下利用F偏差代表点进行数值计算。在单变量非线性模型及静基座初始对准中进行的仿真实验表明,该方法的精度不低于解析计算的高斯过程假设密度滤波（GP-ADF）,远高于高斯过程无迹卡尔曼滤波（GP-UKF）。     

基于贝叶斯优化的磁光阱多参数自主优化系统

磁光阱是一种冷却陷俘原子的装置,磁光阱实验参数的优化是冷原子实验中基础且重要的工作,人工手动优化参数需耗费大量时间,且很难确保最终参数是全局最优的。基于贝叶斯优化的机器学习方法是一种对目标表达式未知、非凸、多峰的量子物理系统进行参数优化的有效方案,该过程通常远快于人工手动调节,且有更大概率找到全局最优值。提出了一种基于贝叶斯优化方法的冷原子多参数自主实时优化实验方案,该方案通过成本函数构造、控制程序编写、贝叶斯算法优化等形成一个可自主优化的闭环系统。实验结果表明,经过约30 min的迭代优化,所提方案可有效完成磁光阱系统的多参数优化,并得到最优的实验结果;所提方案验证了贝叶斯优化方法在多参数物理系统中应用的可行性,通过改进成本函数,还可应用于其他的复杂多参数实验物理系统最优参数快速确定。     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

基于贝叶斯网络的某型导弹状态评估

针对传统"是非制"状态评判方法过于粗略的问题,将某型导弹状态重新细划为"优"、"良"、"中"、"差"和"故障"5个等级。在充分考虑导弹定量信息和定性信息的基础上,结合云模型建立了多状态信息融合的贝叶斯网络模型,提出了基于贝叶斯网络的状态评估方法,以期为装备质量的科学有效管理提供技术支撑。     

贝叶斯假设理论检测发动机传感器故障

贝叶斯多重假设检验是将被检测传感器的M个可能状态,作相应M个假设H_i,其先验概率分别为P(H_i)(i=1,2,…,M),故障决策就是从给定观测量M,寻求H_j为真,由贝叶斯风险函数H_i(i=1,2,…,M,i≠j)个假设中的最小值确定最可能发生的假设H_l。      

贝叶斯正则化BP网络在机翼载荷分析中的应用

采用贝叶斯正则化与BP网络相结合的方法,构造了一个分析飞机机翼载荷的三层BP网络。贝叶斯正则化方法提高了BP神经网络的泛化能力,且能考虑非特征化的非线性影响。使用某型飞机对称机动和滚转机动的试飞实测数据作为载荷激励来训练神经网络,并用这个训练完的网络预测了该飞机机翼的飞行载荷。最后将神经网络预测结果与实测结果进行了比较,结果表明该方法能够准确地实现飞机机翼载荷预测,对新机研制和飞行试验有较高的参考价值。     

基于失效物理的动量轮贝叶斯可靠性评估

作为卫星姿态控制系统关键部件的动量轮,其可靠性关系到卫星发射的成败。但是由于有小子样、高可靠性和长寿命等特点,受技术、费用和时间等条件的限制,无法获得大样本失效寿命数据,因此利用传统的大样本寿命数据统计推断方法进行可靠性建模、分析与评估存在困难。为此,从失效物理分析的角度出发建立性能退化模型,用贝叶斯方法融合性能退化模型和寿命模型得到产品的可靠性评估模型,并基于该模型充分利用失效物理试验中的性能数据和少量的寿命数据来进行可靠性评估。实例分析表明,该方法与伪寿命方法相比更加符合工程实际,评估精度更高。