基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

基于EM自注意力残差的图像超分辨率重建网络

基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块,构建特征增强残差块,以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性,引入EM自注意力机制,构建EM自注意力残差模块来增强模型中每个模块的特征提取能力,并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比,结果表明：所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。     

固体火箭发动机的参数及其偏差预测

将压力、此冲及总冲等参数作为随机变量,根据生产过程中统计获得的推进剂物性诸元和热力学性能诸元及发动机结构诸元等数字特征,提出预测压力、比冲及总冲等参数及其偏差的方法。     

基于不完美先验信息的随机系数回归模型剩余寿命预测方法

剩余寿命预测是设备预测与健康管理的核心问题，准确的剩余寿命预测可以在故障发生前进行有效的维护保养，以减小设备故障发生的概率。针对实际剩余寿命预测中先验信息不足或缺乏的问题，提出一种克服不完美先验信息影响的启发式剩余寿命预测方法。首先，利用非线性随机系数回归模型进行退化建模。其次，证明了基于单个设备现场退化数据，期望最大化（EM）算法的参数估计结果收敛于极大似然估计（MLE）算法的参数估计结果，并提出一种合理融合先验信息和现场信息的启发式剩余寿命预测方法。最后，通过数值仿真数据和实际锂电池退化数据对提出的结论和方法进行了验证，结果表明:启发式剩余寿命预测方法相比传统贝叶斯方法能够较好地克服不完美先验信息的影响，更为准确的预测设备地实际剩余寿命。      

制导火箭弹大着角所需脉冲发动机数量的确定

推导出制导火箭弹为获得期望着角所需的脉冲发动机数量解析公式,并根据此公式对比研究了火箭弹分别采用同时点火和依次点火时俯仰角初始值、期望着角和脉冲发动机推力对脉冲发动机数量的影响。研究表明,同时点火方式优于依次点火方式;飞行末段姿态调整时间较长时,期望着角和初始俯仰角对发动机数量的影响很小;随着脉冲推力的增加,所需的脉冲发动机数量递减。     

期刊评价知识

1期望影响因子 期望影响因子也称为期望被引证率。从众多的期刊中随机收集一批论文,在不强调严格的时间规定的前提下,混合计算这批论文的被引证率,得到的就是期望影响因子。     

卫星参数趋势预测EMA熵组合算法

卫星遥测参数的趋势变化状态对卫星故障预测的判断起到重要的指导作用,立足于遥测参数特性,提出等高线预测方法,从特征数据出现的时刻对参数进行趋势预测。为了提高预测精度,引入EMA(增加期望模式)误差分析模式,结合之前提出的新息灰预测模型,根据熵组合基本原理建立基于EMA熵组合预测模型。通过工程数据仿真计算,并利用预测有效度对各种算法进行评估,结果验证了基于EMA的熵组合预测模型的正确性和可靠性。     

基于新型多可信度代理模型的多目标优化方法

相对于常规直升机，基于前行桨叶方案（ABC）速度更高的刚性共轴双旋翼直升机对旋翼翼型的气动性能要求更加苛刻，包括更高马赫数下的低阻和高阻力发散特性，并维持良好的中、低马赫数下的升阻特性以及所有状态下的力矩特性等10余项指标要求，面临高维多目标优化难题。针对该类问题，首先发展了基于核主成分分析（KPCA）的非线性目标降维技术，然后建立了基于新型多可信度多项式混沌-Kriging(AMF-PCK)代理模型的高效多目标稳健优化方法，并提出了变可信度伪期望改进矩阵（VF-PEIM）并行样本填充方法，使多目标优化设计效率和能力显著提高。利用所建立的基于新型多可信度代理模型的多目标优化方法对高速直升机7%厚度旋翼翼型进行了优化设计。设计翼型的气动表现分别与经典的OA407翼型在高、中、低马赫数下进行了全面比较，对比结果验证了提出的新型多目标优化设计方法的有效性，设计翼型高速气动特性得到了显著提升。     

柔性空间机械臂系统的模糊滑模神经网络控制及柔性振动主动抑制

研究了参数不确定漂浮基柔性空间机械臂关节空间的轨迹跟踪及柔性振动主动控制问题.运用虚拟力概念,生成能同时反映柔性振动和刚性运动的虚拟期望轨迹,设计了一种自适应非奇异Terminal滑模控制器来跟踪该虚拟期望轨迹,以实现载体姿态及关节稳定跟踪运动轨迹并对所产生的柔性振动进行主动抑制的控制目标.所设计的控制器结合了Terminal滑模控制快速收敛性,模糊小波神经网络优良的函数逼近特性及鲁棒技术处理逼近误差的优势,利用自适应算法在线自适应调节模糊小波神经网络的所有网络权值和参数,使控制器具有很强的鲁棒性.仿真实验证明了所提控制方案的有效性.      

一种改进的直方图概率多假设多目标跟踪方法

直方图概率多假设跟踪（H-PMHT）方法及其变形泊松分布直方图概率多假设跟踪（P-HPMHT）方法的一个主要缺点是其量测模型仅考虑了背景杂波而没有考虑传感器噪声,从而导致在低信噪比条件下检测概率较低。针对这一问题,提出了一种带传感器噪声模型的H-PMHT方法,通过将传感器噪声引入量测模型,从而明显提高了对低信噪比目标的跟踪检测能力。该方法的计算量与目标数保持线性关系,仍然适用于目标数目较多的情况。仿真实验表明：该方法在误跟踪比率为1‰,信噪比为6 dB时,检测比率可提升近20%,信噪比为3 dB时,可提升近10%。