一种新的星载自动识别系统检测概率计算方法

针对现有星载AIS检测概率计算方法没有考虑不同解调算法对检测结果影响的问题,提出了一种基于泊松分布船舶检测模型的星载AIS检测概率计算方法。该方法首先计算混叠信号功率差和频差的联合概率分布,以及算法的解调概率,进而将两者相结合得到表征算法能力的关键参数,代入AIS检测概率模型进行计算,可使得原有模型具有适应不同解调算法的能力。仿真表明该方法可有效应用于实际工程的评估,对星载AIS的系统设计有重要的参考价值。     

基于概率神经网络的相似度排序方法

为了研究相似度排序问题,对概率神经网络的结构进行了分析,对其输出进行了改进,使之输出后验概率,进而进行相似度排序。结合电火工品发火性能的预测问题,对方法进行了验证,结果表明：基于概率神经网络的相似度排序方法与实际结果相符,方法是可行的。     

采用序列概率比方法检测航空发动机传感器软故障

提出基于卡尔曼滤波和序列概率比方法进行某型涡扇发动机控制系统传感器软故障检测新方法.研究了采用修正的序列概率比方法处理滤波残差,检测传感器软故障;并将该方法与残差加权二乘算法WSSR(Weighted Sum of Squared Residual)检测传感器软故障过程进行了对比.仿真结果表明,序列概率比方法较WSSR法所需决策时间短,适合于航空发动机传感器软故障检测.      

航空发动机涡轮前温度场数据分析方法

在航空发动机整机测试条件下,温度场测试具有局限性。介绍了1种发动机涡轮前温度场测试数据的统计分析方法,该统计方法较为有效;引入模糊原理,对统计量进行了概率分析,使得统计量评估更加完善。     

高性能的标准单元库设计

从仿真和流片两个方面对标准单元库的验证方法进行了研究.在仿真方面,提出了采用静态时序分析工具和SPICE仿真工具对单元的估算值和仿真结果进行比较分析的方法来验证,同时还给出了具体的操作步骤实例.在流片验证中,提出了一种非常有效的电路结构.这种电路结构不但能够准确验证时序,还能极大地减少PAD数量;最重要的特点是:该电路能够完全避免PAD和非被测单元的引入带来的额外延迟,从而得到准确的被测单元延迟.     

铆钉连接件细节应力分析及疲劳裂纹形成寿命预估

 首先建立简化的力学模型模拟复杂的铆钉连接件结构,并用有限元软件对所建立的模型进行细节应力分析。然后利用损伤力学守恒积分原理得到计及损伤耦合效应的集中应力表达式。在此基础上,根据由热力学原理导出的以损伤驱动力表示的损伤演化方程,给出裂纹形成寿命与载荷关系的解析表达式。进一步,按照某种材料的部分标准试件的中值疲劳曲线拟合损伤演化方程中的材质参量,并利用同类材料的其他标准试件的中值疲劳曲线进行寿命预估方法验证。最后,给出了国产某型客机危险部位具有不同存活率的疲劳裂纹形成寿命。     

高维小失效概率下的改进线抽样方法

 针对隐式极限状态方程的可靠性分析,提出了一种基于失效域样本模拟的高效线抽样法。该法采用马尔可夫链来快速得到失效域中的条件样本,利用这些失效域中的样本可以得到线抽样的重要方向,并且这些样本还可以作为线抽样的样本,来得到隐式极限状态方程失效概率的估计值。由于该法可以较准确地得到线抽样方法的重要方向,因此线抽样的效率可以得到提高,另外失效域的样本又可以作为线抽样的样本,从而进一步降低所提方法的计算工作量。算例表明所提算法的计算精度和效率均高于传统线抽样方法。     

CCSDS遥测包处理分析

文章对CCSDS包处理器模型进行了改进,并分析了其性能界限,给出了影响包处理器性能的主要因素;通过分析输入缓存器和处理缓存器不同的状态,得出包处理器处理能力的上限,指出处理器能支持的帧数超过包处理器能够缓存的帧数之后的帧数据丢失隐患,以此界定了何种情况下包处理器需要转存遥测包数据;并对CCSDS数据包的整个处理流程进行了描述。     

基于多目标优化的星空认知网络鲁棒波束成形算法

卫星通信(SC)网和无人机(UAV)通信网之间频谱共享、相互融合,能较大提升频谱效率,有望成为第6代移动通信的关键技术之一。与现有文献不同,本文在系统非完美信道状态信息(CSI)的条件下,考虑了次级用户可达速率最大化和发射功率最小化2种准则,利用加权切比雪夫方法构建满足概率约束的多目标优化问题(MOO);由于该问题较为非凸,利用概率公式、半正定松弛等方法将其转化为凸问题,并进一步通过半正定规划(SDP)求解,得到鲁棒波束成形权矢量,获得2种性能指标间的帕累托最优权衡。计算机仿真验证了所提鲁棒波束成形算法的有效性和优越性。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。