修正的概率数据互联算法

阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于 PDA 的修正算法。在概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数)。然而在许多实际情况中,这个参数是很难获取的。针对这一问题,文中提出了一种修正的概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

反舰导弹攻击航空母舰毁伤概率结构模型

简单介绍了航空母舰编队的编成。根据其防御特点,建立了反舰导弹攻击航空母舰毁伤概率结构模型,分析了各层元素之间的关系,指出了作战仿真中需重点研究的对象。     

故障星分布对星座PDOP可用性影响的建模及评价

 导航星座定位精度衰减因子（PDOP）可用性是卫星导航系统顶层设计的重要指标。研究了不同故障星分布状况对全球导航星座PDOP可用性的影响。首先,从概率角度并采用组合方法建立了全球导航星座PDOP可用性指标的统计评价模型。进而对给定数量的故障星分布在单个或多个轨道面内的不同状况下,典型的Walker δ构型导航星座的PDOP可用性如何变化进行了仿真计算和比较分析。仿真结果表明,故障星分布状况和轨道平面数对星座PDOP可用性有较显著影响,适当地减少轨道平面数对于改善星座的PDOP可用性是有利的。提出的评价模型物理意义明确,避免了主观性和局限性,且可以保证较高的指标评价效率。     

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。     

一种基于概率的双星无源定位算法

针对双星无源定位系统采用时差、频差对地面固定辐射源进行无源定位的问题,提出了一种基于概率的双星无源定位算法。通过公式推导,将复杂的定位方程组化简为简单的二元一次方程组。在介绍定位原理的基础上对该算法进行仿真,通过仿真,分析了定位误差与时差测量精度、频差测量精度的关系。     

基于Bayes理论的航空发动机涡轮叶片维修决策

为了更可靠、更经济地实施航空发动机涡轮叶片维修决策,对Bayes统计推断理论在维修中的应用进行了探索。通过仿真试验,对比分析了维修人员在常规情况下根据维修经验和通过采样对叶片维修策略的选择。试验结果表明,基于Bayes统计推断理论的方法,对于航空公司决策者或维修人员进行维修决策是可行的和方便的。     

战损飞机动力学特性分析及杀伤研究

现代战争中,防空武器性能不断提升,对飞机造成的威胁越来越大,确定飞机受到打击时的杀伤状态及杀伤等级成为飞机设计时需要考虑的重要问题。飞机被防空武器击中时,可能发生机翼脱离损伤,其质量、面积产生明显变化,将导致飞机的重心、气动特性的变化,严重危害飞机的稳定性。针对上述情况,以某型作战飞机为例,建立损伤情况下的飞机模型,综合分析机翼脱离损伤对飞机重量、重心和机翼面积带来的影响;建立损伤飞机的气动模型,计算损伤飞机气动特性的变化情况。基于这些变化,分析损伤对飞机动力学特性的影响,建立损伤状态下的动力学方程,计算损伤飞机的失控时间,依此确定飞机的杀伤等级。本文所做研究可用于在飞机设计过程中分析其杀伤状态及杀伤等级,为飞机设计时飞机杀伤的分析评估提供一种有效的解法。     

基于概率统计的DS/FH系统干扰检测算法

基于时频分布的干扰检测算法是DS/FH（Direct Sequence/Frequency Hopping,直接序列扩频/跳频扩频）系统干扰检测的传统手段,针对其运算量大、实时性差,以及无法检测某些特殊干扰信号等问题,提出一种基于概率统计的干扰检测算法.通过统计DS/FH系统频谱图中各频率的幅值出现位置,以DS/FH信号与干扰信号频谱分布规律的差别为判决依据,完成DS/FH系统中干扰信号的检测.分析和仿真结果表明：该检测算法能够有效识别DS/FH系统中的典型干扰信号,与传统基于时频分布的检测算法相比,能够实现某些特殊干扰信号的有效检测;同时,由于该算法不需要进行复杂的时频联合分析,其运算复杂度大大降低,能够实现DS/FH系统干扰信号的快速检测.     

基于贝叶斯因子和二阶概率方法的圣地亚热传导模型确认挑战问题

针对美国圣地亚国家实验室为促进模型确认方法的发展所提出的热传导挑战问题,根据现代模型确认思想总结了该挑战问题解答中应包含的核心内容。在确认度量环节采用贝叶斯因子考察了实验数据是否支持所给模型,在此基础上通过二阶概率方法得到了模型预测的分布,以此计算出模型预测结论的置信度。该过程中考虑了模型参数的随机不确定性和认知不确定性,最后通过灵敏度分析辨识了模型参数的不确定性对模型预测的影响。研究表明该挑战问题中的实验数据支持所给模型,模型预测受导热系数的不确定性影响最大,模型预测材料在调控条件下的失效概率不满足调控要求,该结论的置信度为99.97%。     

基于密度权重的可靠性灵敏度分析方法

为了提高可靠性灵敏度求解数字模拟法的效率,提出了一种变量空间确定性低偏差均匀抽样与样本点处联合概率密度函数构造权重相结合的方法,来估计可靠性灵敏度。该方法通过均匀样本点处联合概率密度函数的权重保证了可靠性灵敏度的估计值收敛于真值,而由低偏差抽样代替原问题中的联合概率密度抽样则可以保证更低的误差阶以及在小失效概率条件下抽得的样本有更高的可能性落入失效域,从而保证了所提方法具有更高的收敛速度。另外,所提方法可以采用与独立变量相同的步骤来估计相关变量情况下的可靠性灵敏度,计算简便,适用范围广。算例充分证明了所提方法的优越性。