基于Bayes理论的小子样维修性验证方法研究

针对现有经典维修性指标验证方法的不足,提出了一种小子样的维修性验证方法,即采用Bayes理论对维修性指标进行验证.给出了应用该方法的一般步骤,探讨了维修时间总体分布的确定方法,采用随机加权法对验前分布进行确定并利用ML - Ⅱ方法实现了多源信息的融合;进一步分析推导了基于Bayes理论的维修性验证方法的检验判据和样本量的大小.最后通过实例分析表明,该方法通过综合利用各种验前信息,可以有效地降低现场试验样本量,节省试验投入,缩短试验周期,且能保证较高的可信度.     

飞行器气动参数估计不确定度评价方法研究

为了有效地利用飞行器气动参数估计结果,必须同时给出估计结果的不确定度,因此研究了不确定度评价方法.当试验样本较多时,样本标准差具有明确的统计含义,比分散度能够更好地描述参数估计的不确定度.对于单个试验样本,基于不确定度椭球导出的C-R(Cramer-Rao)界是参数估计不确定度最好的理论预测,但利用飞行实测数据得到的C-R界普遍比样本标准差小.鉴于此,通过在低频有色噪声的基础上构造白噪声的方法,得到了一种C-R界修正方法,并通过仿真算例验证了修正方法的正确性.最后,将C-R界修正方法应用于飞行实测数据,得到的修正C-R界与利用多次飞行试验参数估计结果计算的样本标准差比较一致,表明该修正方法能够较好地给出参数估计的不确定度区间.     

数字化导管加工与常规导管加工对比浅析

通过数字化导管加工与常规导管加工在协调方法、工艺过程、检测方法等方面对比分析,得出数字化导管制造可以缩短制造周期、降低生产成本的结论,能够适应现代飞机快速研制及改型需求,形成现代飞机导管制造核心竞争力。     

基于优化SPOT和D-S证据理论的测试性验证方案

针对现有基于序贯验后加权检验的测试性验证方案对测试性设计指标之间的模糊参数空间考虑不足,以及未能充分运用测试性多源先验信息的问题,提出一种优化序贯验后加权检验和D-S证据理论相结合的测试性验证方案。首先,考虑测试性设计指标之间的模糊参数空间,构建三参数空间复杂假设,并基于Bayes理论研究序贯决策规则,同时确定决策因子以及决策阈值;其次,以测试性指标构成的参数空间为辨识框架,分别构造基于专家信息以及测试性试验数据等先验信息的基本信任分配函数,建立融合多源先验信息的优化序贯验证方案;最后,结合实例进行研究,并与经典验证方案、传统Bayes验证方案、序贯概率比检验方案以及序贯验后加权检验方案进行了对比分析。结果表明,该方案由于考虑了模糊参数空间以及充分融合了多源先验信息,有效解决了模糊参数空间的处理问题,同时所确定的平均故障样本量在决策支持的参数空间均优于其他方法。     

样本量对滚动轴承振动性能变异过程评估的影响

以轴承全寿命周期内的振动时间序列为研究对象,构建最大熵泊松评估模型以研究滚动轴承振动性能的演变历程。将振动时间序列分为不同的段数,基于最大熵原理和泊松过程,计算各个振动时间序列相对本征时间序列的变异概率、性能保持可靠度及其变异速度和变异加速度等指标;分析各个性能变异指标与样本量的关系,从而选取合适的样本量;用动态平均不确定度分析性能保持可靠性评估结果的不确定性。结果表明:针对案例1和案例2,将样本量分别选取为800~1000和500~900,既可以使本征序列数据样本蕴含足够的振动信息;又可以对轴承振动性能的具体变异过程进行有效地评估。      

基于相关性分析的结构可靠性加严试验方法

针对传统结构可靠性试验的验证多是基于载荷应力和结构强度相互独立的假设问题,从应力和强度数据的相关性分析与度量出发,在二者均为正态随机变量的前提下,建立了一种基于Copula函数相关应力-强度干涉模型的结构可靠性加严试验验证方案设计方法。该方法结合Copula函数和应力-强度干涉模型实现相关条件下原可靠性指标与加严条件下可靠性指标的转化,适用于小样本情况下基于传统成败型试验方法评估其可靠性。研究结果表明:相比独立假设,应力和强度呈负相关时,会增加试验样本量且样本量随负相关程度减弱而减少;呈正相关时,会减少试验样本量且样本量随正相关程度增强而减少。     

基于空间统计方法的电离层折射修正技术

针对中国上空电离层所具有的特殊性和GPS观测站在中国西部分布相对稀疏的特点, 尝试探索中国卫星增强系统电离层时延信息修正技术, 为卫星导航定位以及遥感、遥测等空间应用工程的电波修正提供数据. 利用中国地壳形变监测网提供的双频GPS数据, 以空间统计方法为主要工具, 给出了普通Kriging电离层估计算法, 构建了平静期和磁暴期电离层理论变异模型, 详细分析了电离层折射修正的精度. 结果表明, 将空间统计方法应用于卫星增强系统中的电离层时延改正问题, 有利于提高增强系统的电离层折射修正精度, 特别是在观测样点相对较少的情况下, 有利于系统完整性的实现.      

利用试验设计法建立翼型气动特性的人工神经网络模型

建立了翼型气动特性预测的BP(Back Propagation)神经网络模型,重点研究了3种选取训练样本的试验设计(DOE)法:完全析因法、正交设计法和均匀设计法,对BP神经网络预测精度的影响,利用所建立的BP神经网络对FX63-137翼型几何型线进行了优化设计。研究结果表明:在因素数和水平数较少时,完全析因法、正交设计法及均匀设计法的平均测试误差分别为0.002%、0.029%、0.023%;在因素和水平数较多时,完全析因法的样本规模太大而不再适合,正交设计法和均匀设计法的平均测试误差分别为0.42%和0.15%,均匀设计法的预测精度更高,更适合于翼型气动特性预测的人工神经网络模型。优化后翼型的升阻比在迎角为0°~18°范围内均高于原始翼型,在迎角为1°、4°和15°时升阻比分别提高了4.38%、1.38%和5.51%。该研究方法及成果可以应用于翼型的多参数优化设计。     

基于大规模训练集SVM的发动机故障诊断

提出了一种新的学习策略,用于解决发动机故障诊断中大规模支持向量机(SVM)的训练问题.通过保留初始SVM分类器支持向量超平面附近的样本以及错分样本,使最终得到的约减集规模明显缩小,从而可在保持较高分类精度的前提下使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短.探讨了序贯最小优化(SMO)算法的参数选择和实现过程中的关键问题,为这种极具潜力的算法在发动机故障诊断中的实际应用奠定了坚实的基础.仿真实例表明,这种基于大规模训练集SVM的发动机故障诊断方法有效、可靠,容易实现,可以作为工程应用的基础.      

截尾数据整体估计方法

提出一种截尾数据整体估计方法。该方法能够将仿真(或数字化设计)结果与截尾试验数据或不完全数据有机结合,实现多个状态下(多个母体)截尾试验数据或不完全数据的整体推断,从而建立各状态下正态分布、极值分布和Weibull分布等位置-尺度分布族的参数估计量,给出母体百分位值的置信限和置信区间估计。与传统方法相比,该方法具有信息量大,精度高的特点,能够进行极小子样可靠性评定。文中还给出一种利用截尾试验数据或不完全数据对仿真结果进行检验的方法。