基于Kriging代理模型的失效机会测度算法

结构输入变量中同时存在随机输入变量和模糊输入变量情况下,失效机会测度可以很好地衡量结构的安全程度。但是,现有的混合模拟法计算失效可信度是一个双层循环过程,需要调用大量的功能函数。尤其对于大型复杂结构来说,混合模拟法的计算量是难以接受的。因此,本文将混合模拟法和自适应Kriging代理模型相结合,发展了一种失效机会测度的高效算法。通过U学习函数来自适应地选择训练样本点,进而可以自适应地构建功能函数的Kriging代理模型。在备选样本池中自适应训练至收敛的Kriging代理模型可以以要求的精度区分备选样本池中每个样本点的状态是失效还是安全的。因此,可以用收敛的Kriging代理模型代替真实的功能函数,进而通过混合模拟计算失效机会测度,这极大地降低了功能函数调用次数。最后,本文通过两个算例来验证本文发展算法的精确性和高效性。     

带马尔科夫参数的容错控制系统中系统噪声与故障诊断检测延迟时间的关系

讨论了带马尔科夫参数的容错控制系统 (FTCSMP)中 ,在保持系统随机稳定性的前提下 ,系统噪声与故障诊断检测延迟时间的关系 ,并进一步给出了确定故障诊断检测延迟时间范围的方法 ,为故障诊断方法的选择提供了依据     

用随机模型对电子对抗战术的效能进行评估

采用战术运用准则对近似实战的突防战术进行了计算机模拟,建立了突防概率的数学表达式,据此可找出最优突防路线及最优战术组合,有助于电子干扰系统的优化设计及最佳干扰战术方案的制定。     

利用微波探测仪(ATMS)对在轨微波辐射计观测精度的模拟分析

微波辐射计的观测精度及其对数值模式同化应用的影响评估是微波辐射计观测指标设计的重要参考。基于微波探测仪(ATMS)资料,利用三维变分同化系统模拟分析在轨微波辐射计的观测精度指标。针对ATMS观测误差特征,在其观测基础上增加均值为零、标准偏差分别为0.5,1.0,1.5,2.0K的正态随机扰动,进而获得不同精度的观测模拟值序列,然后利用Harris和Kelley的辐射资料偏差订正经验方法订正不同精度的观测资料。偏差订正后,利用三维变分同化模式(WRFDA)直接同化ATMS资料。通过2016年6月6h预报场的同化试验,评估了不同观测精度的模拟资料对数值模式的同化影响。     

一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。     

新型截尾试验下航天器电源系统的可靠性评估

在具有随机移走的逐步增加Ⅱ型截尾试验模型下,利用极大似然和Bayes方法分别给出了某航天器电源系统部件的参数和可靠性估计,并利用Tierney and Kadane近似和Gibbs抽样算法解决了Bayes估计中高维积分的计算问题.最后通过仿真实例对某航天器电源系统进行可靠性评估,并将各估计结果进行比较,验证了本文估计方法的可行性和有效性.     

中继卫星多址链路调度问题的约束规划模型及算法研究

中继卫星多址链路调度问题是中继卫星系统应用中必须解决的重要问题,其重要特点在于,中继卫星与用户航天器之间并非时时可见,因此通信任务存在可见时间窗口约束。只有在可见时间窗口内,通信任务才可能执行并完成。在进行合理假设的基础上,采用人工智能中的约束规划技术,建立中继卫星多址链路调度问题的约束规划模型,并提出了基于时间窗口期望值的多步迭代算法。应用结果表明,中继卫星多址链路调度模型的建立与求解是合理的。     

扩频测控系统干扰容限的分析

扩频测控系统以其诸多优点正成为卫星测控的主流体制,经典分析给出扩频系统的干扰容限只是一个宽泛的界。在同时考虑输入信号强度、多址干扰等因素的情况下,对扩频测控系统的干扰容限上界进行分析推导,得出更符合实际情况的干扰容限上界的闭式表达,通过计算给出干扰容限与多址干扰、干扰容限与输入信噪比强度的关系。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。