航空企业安全绩效管理的探索与思考

<正>众所周知,安全绩效管理是航空企业安全战略落地的工具。几乎所有的航空企业对此都进行了不断的实践,收获了不少成功的经验,但也遇到了一些难以回避的问题,如安全绩效管理达到了SMS预期设计的期望价值吗?与实际绩效水平差距大吗?答案是差强人意的。这里笔者也把在安全绩效管理方面的探索和思考做个抛砖引玉。一、对安全绩效管理的理解与认识安全绩效就是将企业安全目标落实到个人行动的过程,并取得可测量的安全结果,同时,也是对安全结果进行评价和反馈的过程。安全绩效应可以测量,目的是为了管理安全、风险和质量,无法测量就不能管理;是为了监控已知的安全风险,     

装备激励约束定价模式机理对比分析与设计

激励约束定价模式能够极大调动承包商积极性，是控制装备成本的一种重要方法。通过深入分析美军激励约束定价模式和我军激励约束定价模式的设计机理，提出了承包商的期望利润和军方期望价格的计算方法，并通过对比不同定价模式的特点，在借鉴2种激励约束定价模式优点基础上，设计了一种新的激励约束定价策略，提出了指导装备激励约束定价模式改革的对策建议。最后，通过算例对本文方法进行了解释，同时验证了本文方法的有效性。     

印度期望2030年以前实现火星载人计划

据称,印度的首次载入火星之旅计划在2030年以前实现。该计划将由多个航天国家组成的联合企业承担。届时,将有一个人被送上火星。火星之旅任务将持续250天,各国的航天机构都将面临着科学与技术的挑战。NASA和欧空局在2009年10月签署了协议,扩大双方在火星探索能力、人力和专业技术方面的合作。     

基于区域灰度统计信号处理的图像融合方法

针对多源图像融合问题,提出了一种在多分辨率框架下基于区域内灰度特征统计信号的融合算法.利用图像灰度特征的区域生长法对源图像进行区域分割,并以裂缝边缘作为特征区域的闭合边界,对源图像与分割结果的区域映射图作多分辨率变换.在图像低频部分,以联合区域映射图为指导,在区域内建立信号与噪声的高斯混合分布模型,利用期望极大化(EM,Expectation Maximization)算法迭代估计噪声模型分布参数,获得低频融合结果;在图像高频部分,根据系数在区域映射图上的位置差异分别采用窗口系数加权平均法和系数绝对值选大法进行融合,将低频和高频融合结果反变换得到最终融合图像.融合结果表明:该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

测量数据部分丢失的非线性系统迭代学习控制

研究非线性离散系统的迭代学习控制．利用并行分配补偿方法(PDC)确定非线性系统的T-S模型,把非线性模型特换为局部线性模型。假定数据丢失的概率已知,采用满足Bernoulli分布的序列来描述测量数据的丢失,研究具有测量数据部分丢失的线性离散系统的迭代学习控制器的设计。结合T-S模型设计了数据丢失的迭代学习控制器,所设计的迭代学习控制器具有期望收敛特性和二次型性能指标。仿真结果表明了该设计方法的有效性。     

可靠性仿真方法在某系统应用中的比较

对某固体火箭发动机系统，用三种可靠性仿真方法：直接仿真方法、期望估计技巧以及拟仿真方法，分别进行了系统可靠性仿真运算。给出了相对应的算法，运行按算法编写的Ｃ 语言程序，得出各种仿真方法的仿真结果并进行了分析。然后对仿真结果的误差进行分析，从误差、时间及算法复杂性几个方面进行了比较，从而挑选出符合该发动机系统可靠性仿真要求的仿真方法。     

股权投标专利拍卖收益比较研究

在某些高新技术专利拍卖中,投标企业的投标是专利发明人在该公司的股份比例,这称为股权投标专利拍卖.文章研究了股权投标的三种标准专利拍卖：一价拍卖,二价拍卖与英式拍卖,并得到了如下主要结论：三种标准拍卖的期望收益是相等的,且高于现金投标专利拍卖的期望收益.     

基于高斯混合模型的航迹抗差关联算法

针对雷达系统误差时变、上报目标不完全一致等复杂场景下目标航迹关联问题,采用高斯混合模型（GMM）与航迹间拓扑信息相结合的方法实现航迹抗差关联。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题,建立对非同源航迹具有鲁棒性的高斯混合模型,根据航迹间的邻域拓扑信息决定高斯混合模型中各高斯组成部分的权重,利用期望最大值（EM）算法求解高斯混合模型的最优闭合解,在期望步（E-step）阶段求解航迹的对应关系,在最大化步（M-step）阶段求解非同源航迹比例,最后进行航迹关联判决以获得关联结果。仿真结果表明,该算法在不同系统误差、目标分布密度、探测概率等环境下具有较好有效性和鲁棒性。     

基于非参数统计方法的飞机部件可靠性分析

提出了一种适用于复杂部件的非参数估计方法,采用Kaplan-Meier和Nelson-Aalen估计得出部件在不同时间点的可靠度和失效率,进而计算部件的期望寿命和可靠度的置信区间.最后,通过对计算结果的分析,求出部件进行拆修或报废的时限.经实例验证,该方法在实际应用中是有效的.     

面向再入目标跟踪的估计与辨识联合优化算法

准确的弹道系数辨识和精确的目标状态估计是再入目标高精度跟踪与高可靠识别的关键。一方面,状态估计的误差会造成模型参数(弹道系数)的辨识风险;另一方面,模型参数的辨识偏差又会导致模型失配从而降低目标状态的估计精度。因此,需要实现再入目标的状态估计和参数辨识的联合优化。针对再入目标弹道系数未知情形,提出了一种基于期望最大化(EM)框架并采用粒子滤波(PF)平滑器实现的PF-EM联合优化算法。在E步基于粒子平滑器得到目标状态的后验平滑估计,M步采用数值优化算法更新上一次迭代的弹道系数,通过E步和M步的不断迭代,以保证状态估计和弹道系数辨识的一致性。算法仿真对比表明:所提算法的状态估计和参数辨识精度均优于传统的状态增广算法。