退化量有缺失的无失效小样本轴承可靠性评估

针对有试验性能退化量参数记录、且(或)有部分数据缺失情况的小样本无失效轴承试验问题,通过由Taylor和Thompson提出的数据模拟法实现补全样本退化量,结合Bootstrap自助法扩大样本量,再根据基于性能退化轨迹的补充信息方法来进行其可靠性评估。选取7组受试轴承的振动退化量,对比在完整数据和带有缺失数据情况下的分析结果,发现可合理利用原舍弃不合规试验的部分有效信息,使之增加可靠性评估的样本数,从而得到较不用这些数据更为准确的结果,且所得结果较用完整数据结果绝对值相差在01以内。对比由极大似然估计法和加权E-Bayes法分析试验寿命数据的结果,发现该方法所得评估结果更优,与试验实际相比误差在10%以内,对于提高评估精度及降低试验成本有积极的实际意义。     

某型装备轴承件无失效时的可靠性参数估计

针对寿命服从威布尔分布的某型装备轴承件在无失效数据时的可靠性参数估计问题,首先,以失效概率为待估参数,取其先验分布为Beta分布,在2个超参数的先验密度函数为2种不同情形下,建立了失效概率的2种EBayes估计模型,分析了稳健性、渐近性和单调性;然后,对威布尔分布参数进行了加权最小二乘估计,进而建立了可靠度的2种E-Bayes估计模型,分析了稳健性和单调性;最后,结合实例数据进行了可靠性参数估计与分析,指出第2种估计模型更加合理有效。     

智慧温室群远程监控系统通信设计

温室监控系统是对温室环境中温度、湿度、光照度等环境因子实施监测与调控的农业设施,可确保农作物获得最适宜的生长发育环境。针对现有温室监控系统在通信上存在距离受限、组网复杂、能耗高且基本仅能实现单个温室控制的问题,设计了一种基于LoRa和NB-IoT相结合的智慧温室群远程监控系统通信模式。该模式以STM32F103C8T6单片机为核心控制器件,采用ATK-LoRa SX1278和NB-IoT模块自组无线通信网实现数据的远程交互。测试结果表明：采用该通信模式可实现温室群中各温室间距离在2km范围内的数据采集、处理和传输,其通信距离远、功耗低,数据传输可靠性符合现代化农业物联网的需求。     

无人机测控链路信道传播损耗模型研究

无人机测控链路的稳定可靠是确保无人机充分发挥军事和民用效能的重要保证之一。针对无人机测控链路系统设计中的空间传播损耗精确计算问题,参考ITU-R（国际电信联盟无线电通信组）P.528传播损耗模型,从自由空间损耗、大气吸收损耗和可变损耗三个方面进行了仿真研究,获得了视距条件下三种损耗衰减值与传播频率、通信距离、通信终端高度等参数的一般关系。根据提出的传播损耗精确计算方法,对某无人机典型应用场景下的传播损耗进行了分析计算。与传统损耗模型的计算结果相比,采用的方法可以获得更加精确的计算结果,对无人机测控装备的设计研制具有重要的借鉴意义。     

区间数据包络分析模型的求解及其有效性

文中基于每个DMU的区间效率值,给出了区间DEA模型求解的一种方法并研究了它的有效性,同时将这种方法应用于基地伪装方案的选取问题。     

数据挖掘可视化技术应用与研究

讨论了数据挖掘和可视化的关键技术,提出了一种可视化模型的设计方法并设计了一套数据挖掘可视化系统的方案,对提高决策的效率具有重大现实意义。     

捷联式航空重力测量系统的数据处理方法比较与分析

重力数据处理对获取高精度重力异常值有着重要作用,是重力测量的核心技术。重力仪在搭载运动载体进行重力测量时,载体的高频振动对重力测量数据和GPS数据均会产生不可避免的干扰,导致提取的重力异常粗值含有大量高频噪声。围绕重力数据的处理方法这一核心技术,介绍了FIR低通滤波、零相移滤波、标准Kalman滤波、正反Kalman滤波4种滤波方法的基本原理,运用这4种方法处理了SAG捷联式重力仪的某次实际飞行测量数据,比对了基于SINS/GPS组合导航和SINS/DGPS组合导航的重力测量数据处理结果。通过对本次试验重复测线内符合精度进行比对,验证了4种方法的可行性和优劣性,同时验证了SAG重力仪的测量精度。     

基于大数据技术的情报侦察

Guo Yong(Comprehensive Planning Burean, Navel Equipment Department,Beijing 100841,China)     

一种实时测控集群数据处理进程软件控制方法

在基于集群架构的实时测控系统上,通过软件设计实现一种满足数据处理实时性和系统高可用的集群数据处理进程控制方法。计算节点运行的数据处理进程采用多线程设计,对时间驱动线程和数据驱动线程分别设计了工作信号处理流程。实践证明方法不但能够保证计算节点完成数据处理任务的实时性和可靠性,还能动态完成集群节点的任务迁移和故障恢复,提高了测控集群系统的实时性和可用性,从而有效发挥集群系统架构在测控系统中应用的优势。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。