Kinetic Monte Carlo Simulation of EB-PVD Film： Effects of Substrate Temperature

The 2D kinetic Monte Carlo （KMC） simulation was used to study the effects of different substrate temperatures on the microstructure of Ni-Cr films in the process of deposition by the electron beam physical vapor deposition （EB-PVD）. In the KMC model, substrate was assumed to be a ＂surface＂ of tight-packed rows, and the simulation includes two phenomena： adatom-surface collision and adatom diffusion. While the interaction between atoms was described by the embedded atom method, the jumping energy was calculated by the molecular static （MS） calculation. The initial location of the adatom was defined by the Momentum Scheme. The results reveal that there exists a critical substrate temperature which means that the lowest packing density and the highest surface roughness structure will be achieved when the temperature is lower than the smaller critical value, while the roughness of both surfaces and the void contents keep decreasing with the substrate temperature increasing until it reaches the higher critical value. The results also indicate that the critical substrate temperature rises as the deposition rate increases.     

跑道快速出口优化模型及仿真分析

通过对飞机着陆过程的分析，建立了跑道快速出口优化模型：采用计算机仿真方法对模型进行仿真分析，确定了特定条件下跑道快速出口的最优位置：通过对影响跑道占用时间各因素的灵敏度分析，确定了快速出口个数、位置以及机型组合变化对机队加权平均跑道占用时间的影响     

基于可逆跳MCMC的AR模型阶次判定及其在陀螺漂移预测中的应用

为消除传统方法在样本数较少时确定模型的不足,提出了一种在贝叶斯准则下将可逆跳MCMC法用于AR模型的阶次估计,以抽样的方法解决AR模型对时间序列拟合时的阶数不确定问题。给出了阶次估计算法的公式和步骤。仿真试验和某陀螺漂移模型估计的结果表明,该法预测结果与实际较为吻合。但为进一步提高预测精度,还需研究平稳性和初始状态的影响。     

离散面目标毁伤概率算法和预报公式

本文描述了离散面目标毁伤概率的数学模型，利用均匀设计的方法安排仿真计算的数据，并给出了一个预报公式，可供导弹初步设计时使用。仿真结果表明，导弹射击精度CEP(平面)对毁伤概率的影响相对点目标而言要小，在设计针对离散面目标的飞航导弹时，对平面精度指标可以在一定程度上放松要求，提高末段高度控制精度，以提高全武器系统的作战效能。     

蒙特卡罗法仿真实例及其结果分析

为研究大型复杂系统的可靠性问题，利用蒙特卡罗法可靠性数字仿真法，在Windows操作平台上采用Fortran PowerSationV4.0编程工具开发了相应的仿真实例。实验表明，具体仿真计算结果与理论分析结论吻合，从而显示出蒙特卡罗仿真法处理可靠性问题的优越性，对多个可靠性数字仿真实验的分析表明，不同系统的故障树可靠性仿真具有相似的模式，仿真程序具有普通的适用性。     

一种基于贝叶斯估计的地形辅助导航

采用基于蒙特卡罗近似的贝叶斯估计算法处理地形辅助导航系统中的估计问题 ,避免了对复杂地形的线性化过程。数字仿真结果表明该方法比传统的基于扩展卡尔曼滤波的SITAN算法有更高的估计精度 ,并能有效克服初始位置误差较大时 ,基于地形线性化方法易出现的滤波发散问题。     

Impacting small Near Earth Objects

The design of a low-cost spacecraft to impact on a small, faint Near Earth Object (NEO), poses major challenges. This paper focuses on the terminal phase of such impact mission, analyzing the capability of autonomous Guidance, Navigation and Control (GNC) systems to compensate the deviations in the impact point to achieve a successful collision. The autonomous GNC system employs the information of the optical sensors to estimate the parameters allowing the computation of divert maneuvers to achieve the impact. GMV has developed a simulator, with different levels of sophistication, and a set of different GNC algorithms to help in the design process. This tool is used for different purposes such as: dimensioning the sensors and actuators, verifying mission requirements, computing figures of merit of different SC configurations and evaluating GNC performances. Four GNC algorithms are compared: low-thrust proportional navigation using a fading memory filter, high-thrust predictive guidance using either a Kalman filter or a batch-sequential least-squares filter, and a mid-thrust hybrid predictive-proportional guidance using a fading memory filter. Monte Carlo analysis using global-performances models of the optical sensors for each of these GNC algorithms are presented for two different asteroids (1989 ML and 2002 AT4), showing the mission parameters driving the mission performances. In addition, single-runs with high-fidelity optical sensors models are presented to validate the Monte Carlo simulations.     

基于蒙特卡罗模拟的航空发动机故障风险预测

针对航空发动机结构复杂、故障模式多样,传统故障风险预测方法难以实现的现状,基于蒙特卡罗模拟技术,给出了航空发动机故障风险预测方法,用于评估发动机各个部件在未来发生故障的可能性.针对航空发动机故障数据的特点,以威布尔分布建立故障概率模型,利用中位秩回归参数法,估计威布尔分布参数.利用乘同余组合发生器与反变换法相结合的方式产生满足威布尔分布的随机数.在单故障模式风险预测的基础上,给出了多种故障模式并存的航空发动机风险预测方法,并且给出了蒙特卡罗模拟步骤和算法,针对实例,对比发动机厂商提供的预测数据,验证了算法的有效性与蒙特卡罗模拟方法在航空发动机故障风险预测中的可用性.      

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。