计算航路上飞行冲突概率的一种方法

针对飞机在航路飞行时航迹变化的一般情形,考虑预估航迹可能存在的各种误差,修正了航迹改变后的航迹预估误差协方差矩阵,用于改进了的三维飞行冲突概率计算方法.最后用Mome-Carlo.方法验证了计算结果的正确性并对结果进行了分析.     

RVSM空域内垂直间隔的安全评估

为了缓解空中交通流量迅速增大造成的航班延误问题,我国已经在全国实施缩小垂直间隔（RVSM）的运行,对RVSM实施后的垂直间隔的安全性评估也被提上日程。结合Reich模型和概率论,对非洋区相邻高度层上的飞机的碰撞风险进行了研究。首先对Reich模型进行了改进,以适用于垂直间隔碰撞率的研究;然后对影响垂直方向碰撞率的决定因素进行了分析,其中对垂直方向重叠概率的研究,不同于国外的统计量的分析,是从机载测高设备的误差入手;最后用实例进行了仿真计算。结果说明我国缩小垂直间隔标准是安全可行的。     

一种适应较大INS速度误差的地形辅助导航算法

地形辅助导航是飞行器实现自主导航定位的重要方式之一。传统的地形辅助导航算法在匹配过程中,一般对惯性系统的速度误差范围有较严格要求,当速度误差过大时匹配正确概率会迅速下降。提出了一种新的基于短链修正的概率数据关联地形辅助导航算法,首先,依据短时间内由速度误差积累的航位漂移较小的特性,通过附近短链的关联滤波结果修正长链上的节点;其次,设计了通过匹配链后验概率构造关联概率的方法。该方法能较好地处理INS速度误差较大的情况,仿真结果表明该算法的正确匹配率,均方根误差和圆概率误差均优于TERCOM算法和直接基于概率数据关联的地形辅助导航算法。
     

一种高距离分辨低截获概率雷达信号性能分析

首先分析步进频率雷达信号实现高分辨率的优缺点,在此基础上设计了一种改进的步进频率信号-参差脉冲重复间隔步进频率信号,然后分析了该信号的处理过程.与步进频率信号在高速目标下成像失真相比,参差脉冲重复间隔步进频率信号的多普勒性能有了很明显的改善.最后分析了参差脉冲重复间隔步进频率信号的低截获概率特性.     

同时考虑基本变量和失效域模糊性的广义失效概率数字计算方法

针对基本变量和失效域均具有模糊性的广义可靠性分析问题,提出了一种基于模拟退火优化的高效数字计算方法。在数字模拟的过程中,由模拟退火优化的Metropolis准则逐渐优化提取样本的重要抽样密度函数。由于基本变量和失效状态均含有模糊不确定性,因此所提算法在构造重要抽样函数时考虑了两个因素的影响,其一是基本变量的等价联合概率密度函数,其二是状态变量对模糊失效域的隶属函数,从而使得对广义失效概率贡献大的样本出现的概率较大,提高了抽样效率和计算精度。所提算法在模拟退火逐渐寻优的过程中,充分利用了过程中的信息,进一步提高了计算的效率,算例的结果也表明本文所提方法是合理可行的。     

月面探测器月夜生存方法研究

提出一种月面探测器月夜生存方法,将探测器月面模式分为月昼工作模式和月夜休眠模式,并设计实现两种模式间的可靠转换。在月夜休眠模式将探测器设备断电解决无光照无太阳阵功率的问题;利用放射性同位素热源解决月夜期间探测器的热源问题,保证设备的存储温度;通过设计休眠光照唤醒和休眠定时时钟唤醒两种冗余设计方法实现探测器两种模式的转换。该方法已通过试验验证,可以为其他深空探测任务提供参考和借鉴。     

利用S变换的X射线脉冲星信号恒虚警率检测算法

针对传统的X射线脉冲星信号检测算法计算量大及在低信噪比下检测性能差的问题,提出了一种结合S变换的恒虚警率检测算法。首先,根据高斯白噪声的S变换域功率谱分布特性对累积信号的时频功率谱进行阀值滤波;然后累加阀值滤波后的信号功率谱作为检测统计量,从理论上对检测统计量的分布特性进行分析,得出检测统计量服从高斯分布,并用蒙特卡罗方法进行了验证。在此基础上,利用检测统计量的概率密度函数计算判决门限,从而实现了恒虚警率检测。理论分析和实验结果表明,本文算法的检测性能优于同类基于高斯分布的恒虚警率检测算法,并且具有较低的复杂度。     

飞行器组网多维地磁匹配的相关度算法

地磁匹配导航技术是跨海飞行器的自主导航方式之一。海洋磁场强度平滑、区域变化较大的特点,使得飞行器一维地磁匹配方法难以应用于飞行器自主导航。在跨海飞行器组网条件下,讨论了多维地磁匹配相关度算法,并仿真计算了多维地磁匹配相关度的匹配时间、匹配概率,计算表明多维地磁匹配相关度算法优于单航迹匹配相关度;在相同概率下区域内370 m×370 m网格匹配时间短、匹配概率高。飞行器组网多维地磁匹配的相关度算法研究为海洋区域地磁匹配导航应用提供参考。     

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。