采用二维贝叶斯方法求解旋转盘腔导热反问题

为了研究压气机旋转盘腔换热特性,实现准确求解转盘表面传热系数,引入二维贝叶斯方法,此方法采用先验分布优化测温误差,并且更加符合转盘的二维特性。通过加入噪声的模拟数据验证方法的可行性,结果表明无测温误差时方法的平均误差是3.2%,有测温误差时方法的平均误差是10.6%,并分析了误差来源。通过与已有实验结果对比,发现方法更适用于计算转盘迎风面与背风面传热差异较大时的表面传热系数,平均相对误差为9.6%,满足实际工程精度的要求。通过改变盘面温度测点数量,发现测点增加会提升计算精度,并采用统计抽样理论分析原因,发现在可接受误差为10%时,所需要的测点数量比较合理。     

一种不完备粗糙集的航电设备故障诊断方法

针对已获得的航电装备测试数据中存径不完备数据的问题,在分析不完备决策表和差别矩阵属性约简的基础上,给出了一种在航电装备故障诊断中基于不完备数据获取最优诊断规则的模型,并在某型超短波抗干扰机载通信电台中应用验证,结果表明其有效性,从而为提高部队航空装备的可靠性和维修性提供了一条途径。     

固体火箭发动机可靠性评定的影子理论及应用

首次提出可靠性评定的影子问题,证明了影子定理,并用影子定理对固体火箭发动机的结构可靠性进行了评定,表明其具有应用价值。     

基于贝叶斯纠错的AR辅助飞机装配数据纠错方法

增强现实(Augmented Reality)技术用于飞机装配中可以有效提高装配效率。通过无线网络的使用,增强现实设备可以便捷访问各种人工智能服务,将自然场景下的光学字符识别(Optical Character Recognition)技术作为云服务用于AR辅助装配中减少人工录入以加速装配过程。针对AR辅助飞机线缆装配中线缆识别存在错误的问题,基于贝叶斯纠错器,结合航空线缆规则提出一种数据纠错的后处理流程,使用噪声通道模型对线缆的识别结果数据进行推理纠错,并构建了基于云服务的AR辅助线缆装配体系。在该系统的环境下,进行AR辅助的航空线缆装配试验,将导线识别准确率从88%提高到98%,验证了该系统具有一定高效性的同时保证了正确性。     

基于贝叶斯—熵权法的岸舰导弹作战效能研究

通过系统分析岸舰导弹作战流程,确定了影响岸舰导弹作战效能的 4个主要因素。选取了 17个指标,构建了岸舰导弹作战效能评估模型,运用贝叶斯网络原理以及熵权法对模型进行仿真,并针对仿真结果,提出岸舰导弹战斗使用和装备发展对策建议。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

考虑人及组织因素的航天工程项目风险分析模型

针对人及组织因素是造成航天工程项目风险的重要原因,在揭示了人及组织因素产生航天工程项目风险的机理基础上,构建了考虑人及组织因素的航天工程项目风险分析模型。模型首先评价人及组织因素对航天工程元器件建造工作质量的影响,接着测度工作质量与不同缺陷类型之间的一致性概率,并应用Poisson分布计算缺陷严重性,最后根据贝叶斯定理对元器件先验失效率进行修正,通过一个经过数据处理的航天工程项目对所构建的模型和方法进行了验证。     

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

基于集值信息系统的改进粗集模型

提出了一种新的带有参数的改进容许关系,并讨论了基于该容许关系的粗糙集扩充模型,证明了相关定理。理论分析表明,通过合理设置参数值,可使新扩充模型比以往模型具有更好的分类效果,从而提高了对数据预测、分类的准确度。实例分析进一步验证了改进容许关系及其扩充模型的优越性。