预定失败数的负二项分布的预测

对预定失败数的负二项分布,给出了一致最小方差无偏预测子及Bayes与Fiducial预测子和预测区间,比较了Bayes和Fiducial PI的优良性,并用数值例进行了说明。     

单向拉伸中TB5钛合金组织转变的原位观察

通过单向拉伸下的视频显微镜原位观察,定量研究了Ti-15V-3Cr-3Sn-3Al(即为TB5)钛合金显微组织在拉伸过程中的演变规律.结果表明:单向拉伸时,该钛合金在弹性阶段组织变化不明显,而在塑性阶段随变形量的增加,组织中滑移带的变化可分为单滑移、多滑移和交滑移3个阶段.在单向拉伸过程中,由于滑移带从单滑移进入到多滑移,发生了几何硬化,导致晶粒变化减缓,滑移带的转动幅度变小.     

活塞式航空发动机的优化与标定

联合发动机循环模拟与标定技术建立小型活塞航空发动机动力性和经济性的多目标优化模型。对校验后的BOOST模型进行DOE(Design of Experiment)正交试验,对试验数据进行统计数学建模,并对局部模型误差进行控制,进行响应面模型分析,通过MBC(Model-Based Calibration)工具箱进行优化标定,选用经济适用的NBI(Normal Boundary Inter-section)进行多目标优化.给出了优化的点火提前角、喷油量的MAP图,优化参数对扭矩和燃油消耗等目标的响应面模型,对提升小型航空发动机性能有重要的参考价值.     

DSMC方法的边界采样与统计技术

研究了适合在三维直接模拟蒙特卡罗(DSMC,Direct Simulation Monte Carlo)方法计算中根据入口边界条件合理地布置进入计算区域内粒子参数的边界采样技术.提出了一种根据穿越入口边界、出口边界以及撞击壁面边界的粒子统计数据获取边界位置处宏观流场参数的新型边界统计技术,弥补了DSMC计算中传统统计技术仅能够获取流场内部参数,不能够获取界面处流场参数的不足.这种界面统计技术具有普遍的适用性,不仅限于DSMC方法.以无穷远来流圆球绕流为例进行计算,验证了DSMC方法的边界采样与统计技术的有效性.     

递推样条滤波的工程化应用研究

递推样条模型是目标跟踪中的一类高效建模方法,理论研究与仿真实验表明它有很高的精度和稳健性,但鉴于工程应用问题的复杂性,还需根据实测数据对模型进行验证和改造。以全测速体制下的弹道目标跟踪为背景,在分析实测数据复杂性的基础上,进行了模型工程化应用研究：确定了状态方程和模型更新策略;基于“当前”统计思想,提出了机动适应性更强的“当前”样条模型;引入面向状态的野值检择方法,提高了观测数据质量低时的弹道估计精度;给出了基于不完全预测时间阈值判断滤波发散趋势的方法,和重新初始化的发散应急机制。定性分析和计算实例验证了方法的可行性和有效性。     

完全样本时,(对数)正态分布未来样本顺序统计量的Bayesian与Fiducial预测下限

在过去样本为完全样本时,本文给出了共轭型先验与群不变先验下,（对数）正态分布的双样Bayes预测下限与Fiducial预测下限,并指出可信水平为γ时,群不变先验下的Bayes预测下限与Fiducial水平为γ时的Fiducial预测下限,与Fertig＆Mann（1977）给出的置信水平为γ时的Frequentist预测下限在数值上相等。     

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HRRP统计模型的目标识别

通过对高分辨距离像（HRRP）方位敏感性和距离单元散射点类型的分析,锥体目标的HRRP距离单元的幅度起伏在一定角度内可采用Gamma和Gaussian统计模型来描述。详细描述了基于平均距离像模板和基于Gamma和Gaussian统计模型的目标识别方法。通过实测数据比较了三种目标识别方法的识别率和实时性等性能。     

用于统计能量分析参数辨识的子空间方法研究

利用统计能量分析法预示航天器结构高频动力学响应时,正确估计各子系统的统计能量分析参数至关重要。论文从实验参数辨识角度,基于子空间法的统一理论框架,提出功率流模型辨识/耦合矩阵修正方法(PMI/CMA)辨识系统的内损耗因子和耦合损耗因子参数。首先利用子空间法直接由时域测试数据辨识功率流模型的等价状态空间模型,然后利用辨识模型特征参数修正初始耦合矩阵。耦合矩阵修正方法考虑了子系统间的耦合信息,并通过寻求耦合矩阵初始值相对误差的最小范数解得到修正参数。最后利用两个实际结构分别对算法进行了仿真分析并与功率流实现/统计能量分析模型修正方法(PRM/SMI)进行了对比,验证了PMI/CMA方法的有效性。     

一种针对短码、周期长码直扩信号扩频序列盲估计方法

提出一种新的针对短码和周期长码直接序列扩频(DSSS,Direct Sequence Spread-Spectrum) 信号的扩频序列盲估计方法。将周期长码DSSS信号建模为多用户短码DSSS信号系统,根据接收信号相关矩阵最大特征值个数,判断一个PN周期内调制信息符号个数,依此盲估计信息速率,同时形成分段相关矩阵矢量。利用改进二阶统计盲辨识（SOBI,Second Order Blind Identification）算法盲估计多用户分段DSSS的PN序列,根据特定约束条件(如m序列、Gold序列)去分段相位模糊,最终形成周期长码PN序列。仿真结果表明该算法的有效性,且适应较低信噪比。