三种系统可靠性评估方法的比较与分析

故障树、故障Petri网和贝叶斯网络是评估系统可靠性、安全性的三种重要模型。其中,故障树在工程中应用最广,而后两种模型其各自具有不可替代的优点,可以弥补故障树在实际应用中的不足。在介绍三种模型的基础上,通过对故障树向故障Petri网转化方法、故障树向贝叶斯网络转化方法的研究,给出描述三种模型的典型逻辑关系等价结构图的表格,揭示三种模型的内在联系。结合该表,提出故障Petri网向贝叶斯网络的转化方法。同时,利用上述三种模型对导弹发动机故障进行对比分析,结果表明故障Petri网使故障传播过程一目了然,而通过故障Petri网络或故障树转化而来的等价贝叶斯网络可计算出更多定量结果。     

Real-time total system error estimation:Modeling and application in required navigation performance

In required navigation performance（RNP）, total system error（TSE） is estimated to provide a timely warning in the presence of an excessive error. In this paper, by analyzing the underlying formation mechanism, the TSE estimation is modeled as the estimation fusion of a fixed bias and a Gaussian random variable. To address the challenge of high computational load induced by the accurate numerical method, two efficient methods are proposed for real-time application, which are called the circle tangent ellipse method（CTEM） and the line tangent ellipse method（LTEM）,respectively. Compared with the accurate numerical method and the traditional scalar quantity summation method（SQSM）, the computational load and accuracy of these four methods are extensively analyzed. The theoretical and experimental results both show that the computing time of the LTEM is approximately equal to that of the SQSM, while it is only about 1/30 and 1/6 of that of the numerical method and the CTEM. Moreover, the estimation result of the LTEM is parallel with that of the numerical method, but is more accurate than those of the SQSM and the CTEM. It is illustrated that the LTEM is quite appropriate for real-time TSE estimation in RNP application.     

独立指数分布期望参数的Γ极小极大估计

在参数的部分先验信息已知的条件下所获得的Γ极小极大估计是一种介于有确定的先验分布函数的Bayes估计和无先验信息的极小极大估计之间的估计方法,因而更切合实际.以往的研究对二项分布参数的线性组合及负二项分布的参数在某些限制条件下的Γ极小极大估计做了讨论.本文给出了独立指数分布的期望参数在一般的先验矩限制下的Γ极小极大估计,同时讨论了两种特殊情况,即给出了在仅有先验二阶矩限制下的以及有确定的先验一阶矩和二阶矩限制下的指数分布的期望参数的Γ极小极大估计.     

多维相关系数平稳序列分析方法

相关系数平稳序列是从非平稳随机序列中分离出来的一类工程上常见且又便于研究的一类时间序列,其均值和方差都可随时间变化,因此,与传统平稳过程相比,它能更好地描述工程中的时间序列.在相关系数平稳过程的基础上,给出多维相关系数平稳过程的定义,建立了新的多维相关系数序列的理论和方法,给出了多维相关系数序列的极大似然估计.通过对时域的全程分析,能够充分利用样本信息对相关系数序列的均值函数,协方差矩阵函数和相关系数矩阵函数进行估计.在此基础上,对多维相关系数平稳序列进行高精度的频谱分析.     

航空发动机约束卡尔曼滤波方法

<正>卡尔曼滤波器通常用于动态系统的状态估计,但在应用过程中,有些已知的信息在运算过程中被忽略,例如转速、温度与压力的范围限制。约束卡尔曼滤波器将已知的信息作为约束,可以提高估计的精度。文献首次提出了将约束线性卡尔曼滤波应用于发动机健康估计;文献介绍了约束线性卡尔曼滤波数学实现的矩阵变换,与传统的无约束线性卡尔曼滤波对比,该方法对发动机健康状况参数估计更加准确。     

DO 28非线性多点模型的建立及其参数估计

 本文建立了DO 28试验机的非线性六自由度多点数学模型。该模型考虑了飞机运动的高度非线性,螺旋桨、机翼、尾翼空气动力特性,改进的推力计算,风场干扰以及飞行试验数据一致性检验和校正。与一点模型相比,该模型能更准确地描述飞机的运动,更适合飞机的参数估计。     

平尾积冰对飞机纵向气动参数的影响

建立飞机纵向动力学模型,基于最大似然参数估计原理,设计用于辨识飞机纵向气动参数的辨识系统,并对辨识系统的正确性和精确度进行了验证.以DHC-6飞机飞行试验数据为依据,对未积冰飞机和两种平尾积冰冰型的飞机进行纵向气动参数辨识,通过对比3种情况下飞机纵向气动参数的辨识结果,定量分析了平尾积冰对飞机纵向气动参数的影响.结果表明:平尾积冰将导致飞机纵向气动特性恶化,俯仰阻尼可减小15％,升降舵效率可降低20％,对飞行稳定性、操纵性以及飞行安全构成一定的威胁.     

基于 Gamma模型和加速退化数据的可靠性分析方法

为了对导弹连接器进行可靠性评估,提出了基于Gamma模型的可靠性分析方法。首先,以电连接器的接触电阻作为性能参量,通过温度、湿度双应力加速退化试验获取其性能退化数据;然后,利用Gamma模型描述样品的退化过程,使用广义艾林模型,描述了样品退化量与温度、湿度之间的关系;最后,使用极大似然估计的方法,估计出了样品在正常工作条件下的模型参数,并对该型电连接器的平均寿命进行了预测。     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。     

基于EMD-CS的脉冲星周期超快速估计

面向X射线脉冲星周期估计的压缩感知（CS）中测量矩阵尺寸大,进而导致计算量大。针对这一问题,提出了一种基于经验模态分解-压缩感知（EMD-CS）的脉冲星周期超快速估计方法。将不同畸变度的脉冲轮廓进行EMD分解,得到一系列固有模态函数（IMF）。由于IMF包含了不同时间尺度的局部特征信号,脉冲轮廓畸变度这一微弱局部特征可体现在某些IMF中。采用迭代剔除法剔除冗余的IMF,剩下的IMF构成了测量矩阵。由于IMF的数量较少,采样率大幅减少。利用EMD-CS可实现X射线脉冲星周期超快速估计。通过计算复杂度分析结果可知,采样率与计算量呈正比关系。仿真结果中表明,EMD-CS的采样率为0.25%,仅为FFT-CS的1/29,因而计算量更小。