基于条件随机场的软件变更影响分析方法

针对需求与代码设计阶段分离及传统模型对变更影响程度缺乏定量描述等问题,从概率模型的角度提出一种基于条件随机场的软件变更影响分析方法(CRFCIA)。通过研究不同阶段软件构件及跟踪关系的特点,对软件实体依赖进行了建模分析,并在此基础上研究了变更传播过程,引入条件随机场模型,以传播序列的条件概率评分Pscore表征实体依赖链的受影响程度。实验结果表明,CRFCIA在求解影响集和评估变更影响程度上具有可行性与准确性。     

压气机叶片加工误差影响不确定分析

为了正确评估加工误差的影响,提出了一种考虑加工误差大小、分布随机性的数值研究方法以实现叶片性能不确定性分析。采用NURBS(非均匀有理B样条) 方法实现叶型参数化,通过检测及统计手段获取误差真实分布,运用蒙特卡洛模拟生成随机样本,并训练Kriging代理模型进行不确定性分析,得到了叶片加工误差对气动性能的影响。结果表明:加工误差对气动性能的影响与所处工况有关,最高使得损失增加0.853%;叶型性能对于吸力面表面型线更为敏感,在加工及检测过程应给予更高要求。      

一种不等差错保护的多用户随机接入方法

针对在随机接入中由于碰撞导致吞吐率低、信道拥塞时不能满足高优先级数据有效传输的问题,提出一种具有不等差错保护性能的多用户随机接入方法。该方法将数据包复制多份,根据选定的度分布在不同时隙中传输,将随机接入过程映射到二分图上;接收端利用连续干扰消除(SIC)技术,将碰撞的数据包恢复出来。在高链路负载下,从每帧中选取若干时隙,只允许高优先级用户接入,以提高对高优先级数据包的译码概率。使用"与或树"理论对提出的方法进行了理论分析,并进行了实验仿真验证。仿真结果表明:提出的多用户随机接入方法与传统ALOHA协议相比,在低链路负载下有效避免由于碰撞引起的吞吐率下降;与IRSA协议相比,高链路负载下有效提高高优先级用户的吞吐率。     

时变参数辨识梯度算法稳定性分析

研究用于时变参数辨识的梯度算法稳定性问题.基于随机过程有界性判据对时变参数辨识梯度算法进行了稳定性分析,给出了梯度算法稳定的充分条件.指出在待辨识参数变化率有界,观测噪声是零均值白噪声,且系统满足持续激励条件的情况下,梯度算法参数选择满足一定条件时,能够确保参数辨识误差的有界性.上述研究与以往工作的不同之处在于稳定性证明过程中仅要求待辨识参数的变化率是有界的,而不要求参数变化率是零均值白噪声.     

新型整星隔振平台的被动隔振性能及星箭耦合特性分析

针对卫星的隔振要求,提出一种新型半主动整星隔振平台,采用磁流变(MR)阻尼器作为半主动作动器。为增加平台的横向转动刚度,提出一种套筒式防摇结构。建立新型整星隔振系统的详细有限元(FE)模型,对隔振系统进行基础随机激励下的响应分析和隔振平台的振级落差分析,并建立星箭系统的详细有限元模型,分析星箭结合后对整星隔振性能的影响情况,以及加入新型隔振平台后对火箭动态特性的影响。结果表明:新型整星隔振平台具有优良的被动隔振性能;火箭的动态特性对新型隔振系统的性能有一定影响,但当火箭和隔振平台结合处的刚度较大时,影响较小;加入新型隔振平台后,在火箭点火时到一级分离时,火箭整体的动态特性无明显变化。     

一类随机顾客车辆路径问题及其算法

针对一类随机顾客车辆路径问题(Vehicle routing problem with stochastic customer,VRPSC),探讨了VRPSC的实时动态规划机制,并结合运送货物需求量的不同特性,分析了车辆供货中遇到服务路线失败时的两种不同服务策略并构建了相应的模型.设计了针对VRPSC的蚁群算法,并选用60个节点的基准问题对VRPSC的动态模型进行了仿真计算.结果表明,对顾客信息进行数据挖掘以获取较精确经验概率以及采用部分服务策略均有助于缩短车辆总行驶路径,为有效降低车辆的运行成本提供了科学依据.     

对几种贮存期统计评定模型的应用研究

对贮存期统计评定中已用的几种方法,通过型号贮存及延寿试验的实际应用,论述有关方法的异同,说明每一方法的适用范围及限制条件,指出个别方法应改进的问题,供后续产品贮存期评定时参考。     

基于随机鲁棒分析的输出反馈特征结构配置

针对输出反馈特征结构配置在参数不确定性系统设计中的鲁棒性问题,提出一种基于随机鲁棒分析的输出反馈特征结构配置优化方法.该方法通过随机鲁棒分析准确度量了闭环系统的鲁棒性,确立控制系统设计要求与待设计参数间的直接联系,并运用优化技术实现闭环系统稳定性与性能间的折衷,最大化控制系统的鲁棒性.通过在某高超声速飞行器横侧向解耦控制系统设计上的应用,验证了该方法的有效性.      

Legendre-Gauss拟谱法求解最优控制问题

 提出一种新的求解基于常微分方程(ODE)和微分代数方程(DAE)的最优控制问题的数值方法。本方法基于直接配置法,通过Legendre-Gauss拟谱法同时离散化状态变量和控制变量把最优控制问题转化为一个非线性规划问题。与传统的直接转换法相比,本方法具有精度高、计算量小、结构简单的特点,而且可以求解最优控制“多相”问题。数值结果表明,本方法是一种通用的精度较高的最优控制直接数值求解法,可用于求解ODE/DAE最优控制问题。     

基于残差SDE-Net的深度神经网络不确定性估计

神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题，一是在处理大规模数据集时，随着网络层次的增加会导致性能退化；二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net)，该模型采用了改进的残差网络(ResNets)中的残差块，并应用于SDE-Net以获得一致稳定性和更高的性能；针对具有噪声或高丢失率的分布内数据，引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复，从而提高ResSDE-Net处理此类数据的性能。实验结果表明：ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能，并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上，仍然分别获得89.89%、65.22%和93.02%的平均准确率。