一种基于历史数据的软件缺陷预测方法改进

捕获-重捕获方法常用于评审会后对产品残留缺陷数的估计.使用均方误差对几种基于捕获-重捕获模型的估计器性能进行评估.然后提出一种基于历史数据的估计器改进方法,并对改进前后估计器的缺陷预测效果进行对比分析.      

应用最大熵谱估计检测微弱信号

频谱分析是数字信号处理的主要内容之一 ,近年来 ,由于最大熵算法的一些优点 ,使它成为现代谱估计中一个比较活跃的领域。最大熵算法是 196 7年由Burg提出来的一种现代谱估计方法。提出了应用最大熵谱估计及LMS自适应算法 ,根据有限数据 ,在频域内提取被淹没在噪声中的有用信号的方法及应用MATLAB语言进行的仿真。     

空间机动目标的跟踪和定位

轨道机动控制过程中，推力加速度的不确定性是机动目标运动的主项摄动。通过对推力加速度和机动目标运动建模，在地心惯性系建立了增广系统状态动力学模型，在地平测量坐标系建立了离散量测模型，同时讨论了机动目标增广状态非线性动力学模型的线性化问题。给出了扩展卡尔曼滤波实时估计增广状态向量的算法，仿真分析证明所述算法稳定、收敛，对机动目标具有较高的定位精度。     

基于滑动时间窗主成分分析的液体火箭发动机传感器故障诊断方法

安装在发动机上的各种传感器是发动机状态监测的主要依据,由于工作环境恶劣,传感器失效时有发生。由于发动机运行过程中的性能蜕变和台次差异,现有基于主成分分析（PCA）的传感器故障隔离方法应用条件苛刻且诊断效果有限。针对这些问题,在对发动机数据分析的基础上,将滑动时间窗方法与PCA方法结合,提出双滑动时间窗的PCA方法用于故障传感器的隔离,并基于发动机试车数据进行了方法验证。结果表明：该方法能降低发动机性能蜕变和台次差异对发动机传感器故障诊断的影响,没有参数相关性的限制,可以实现对四种常见传感器故障的有效隔离,以及对两种发动机试验过程中故障的准确检测。研究证明了高速运转系统性能蜕变和强耦合复杂大系统台次差异对基于数据的故障诊断方法效果的影响,验证了在线学习/训练算法对这两种现象的鲁棒性。     

一种频率步进雷达目标径向速度估计方法

为补偿目标径向速度对频率步进雷达合成距离像的影响,提出了一种目标径向速度估计方法.经公式推导证明频率步进雷达相邻两个脉组回波的归一化采样序列的互相关函数是一复正弦序列,该序列的频率与目标径向速度有确定的对应关系.通过快速傅里叶变换(FFT,Fast Fourier Transform)可获得序列频率,从而估计出目标径向速度.该方法可估计的速度范围仅取决于系统带宽和脉冲重复周期,并且由于理论估计精度可通过FFT点数调整,在需要非常高估计精度的场合可以大幅降低计算量.计算机仿真结果表明该方法对目标径向速度估计准确,同时具有较好的抗噪声性能.     

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

相似多细节结构疲劳试验不完全数据参数估计

讨论了用含相似多细节结构的不完全疲劳试验数据进行疲劳特征参量分布参数估计的方法.在假设疲劳寿命服从对数正态分布和双参数Weibull分布的情况下,分析了用于描述单个细节疲劳质量的随机变量的分布参数与含相似多细节结构不完全试验数据的分布参数之间的关系,分析表明二者之间存在显著的差异,但具有确定性的关系,这种关系与细节个数有关,给出了通过不完全试验数据估算单个细节疲劳分布参数的定量方法.通过数值模拟,分析了样本容量和细节个数对估算结果分散性的影响,分析表明,在细节数较少时,对分散性的影响与样本容量有关,与细节个数关系不大.      

冗余测量参数估计的四种数学模型

针对冗余测量的不同情况,提出了四种数学模型及其解算公式,并给出了估计值误差的计算方法。     

卡尔曼平滑在动态推力测量中的应用

首次将卡尔曼平滑应用于固体火箭发动机地面热试车时的动态推力测量,提供了一个便于工程应用且有较高精度的动态推力测量的新方法。根据固体火箭发动机理论推导出推力的动态模型;研究噪声方差和初始条件的确定方法及估计的稳定性、敛散性。继而进行了数学仿真实验,并对实际发动机推力采样数据进行了处理。分析与处理结果表明:卡尔曼平滑应用于动态推力测量是行之有效的。     

Optimal assimilation for ionospheric weather – Theoretical aspect

Observation, specification and prediction of ionospheric weather are the key scientific pursuits of space physicists, which largely based on an optimal assimilation system. The optimal assimilation system, or commonly called data assimilation system, consists of dynamic process, observation system and optimal estimation procedure. We attempt to give a complete framework in this paper under which the data assimilation procedure carries through. We discuss some crucial issues of data assimilation as follows: modeling a dynamic system for ionospheric weather; state estimation for static or steady system in sense of optimization and likelihood; state and its uncertainty estimation for dynamic process. Meanwhile we also discuss briefly the observability of an observation system; system parameter identification. Some data assimilation procedures existed at present are reviewed in the framework of this paper. As an example, a second order dynamic system is discussed in more detail to illustrate the specific optimal assimilation procedure, ranging from modeling the system, state and its uncertainty calculation, to the quantitatively integration of dynamic law, measurement to significantly reduce the estimation error. The analysis shows that the optimal assimilation model, with mathematical core of optimal estimation, differs from the theoretical, empirical and semi-empirical models in assimilating measured data, being constrained by physical law and being optimized respectively. The data assimilation technique, due to its optimization and integration feature, could obtain better accurate results than those obtained by dynamic process, measurement or their statistical analysis alone. The model based on optimal assimilation meets well with the criterion of the model or algorithm assessment by ‘space weather metrics’. More attention for optimal assimilation procedure creation should be paid to transition matrix finding, which is usually not easy for practical space weather system. High performance computing hardware and software studies should be promoted further so as to meet the requirement of large storage and extensive computation in the optimal estimation. The discussion in this paper is appropriate for the static or steady state or transition process of dynamic system. Many phenomena in space environment are unstable and chaos. So space environment study should include and integrate these two branches of learning. This revised version was published online in August 2006 with corrections to the Cover Date.