基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

GNSS接收机中一种新的射频干扰抑制级联方法

为了减少系统复杂度和提高系统实时性,提出了一种新的级联算法。首先,通过三系数滤波器模型对连续波干扰进行建模,从而形成一种非线性卡尔曼自适应滤波器,并利用该滤波器作为预处理器对每路中的窄带干扰进行抑制。随后,将各路滤波器的输出送入空时自适应处理器中进行宽带干扰的抑制。仿真结果表明,在匹配谱干扰环境下,特别是在窄带干扰从卫星信号方向入射时,新算法相对于普通的空时和空频自适应处理表现出了更加优越的性能。     

基于条件随机场的遥感图像语义标注

遥感图像包含的信息丰富,纹理复杂,而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索,这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题,提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法,将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布,采用组合Boosting算法进行Texton纹理特征选择和参数学习;然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文;最后用Graph Cut算法对CRF进行推导求解,得到图像自动语义标注结果。同时,建立了可见光遥感图像数据库Google-4,并对全部图像进行了人工标注。Google-4上的实验结果表明:采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较,能够取得更准确的语义标注结果。     

基于隐条件随机场的声调建模及区分性模型权重训练

为提高声调识别率,利用隐条件随机场对汉语声调进行建模,通过加入音节内动态特征、音节间动态特征以及段长特征来进一步提高声词识别性能。提出了将声调模型加入大词汇量连续语音识别系统的区分性方法,根据最小音子错误准则区分性训练模型相关的概率权重,对声学模型及声调模型概率进行加权;给出了两种权重组合策略并通过一种平滑方法来克服权重训练过拟合的问题。实验结果表明,基于隐条件随机场声调模型能够显著提高声词识别率以及大词汇量语音识别的识别率,同时与全局模型权重方法比较,区分性的模型权重训练能够在声调模型加入连续语音识别系统之后,进一步提高系统的识别性能。     

混合小推力航天器轨道保持高性能滑模控制

针对采用太阳帆、太阳电混合小推力推进的航天器，研究了其在日心悬浮轨道的保持控制问题。为解决已有控制方法中未综合考虑内部未建模动态和外部未知扰动的问题，以及进一步提高系统控制性能，设计了一种高性能滑模控制策略。首先，考虑模型不确定性，建立了混合小推力航天器在日心悬浮轨道柱面坐标系的动力学方程；其次，基于改进型条件积分滑模面和径向基（RBF）神经网络设计了控制律，结合自适应方法在线估计不确定参数；接着，将求取的虚拟控制量在推进剂最优条件下转换成实际控制量，即太阳帆姿态角和太阳电推进力；最后，数值仿真验证了上述设计方法提高了系统鲁棒性，减小了轨道位置超调，并且混合推进相比于单一太阳帆推进，在更短收敛时间内控制精度提高了4个数量级，相比于单一太阳电推进，一年可以节省约89.6%的推进剂。     

一种新的基本随机变量重要性测度指标体系

综合当前基于方差的重要性测度与矩独立重要性测度的优点,建立了一个新的随机变量重要性测度指标体系。该体系从输出响应量的均值、方差以及可靠度指标方面对随机变量的重要性进行了分析,进而根据不同的要求衡量基本随机变量对系统或模型输出的影响程度。给出了各个重要性测度指标的定义,并探讨了他们与现有的基于方差的重要性测度指标的关系。通过算例说明了所提新的重要性测度指标体系的优越性。结果表明:新指标体系中的指标不但可以反映旧的指标,而且还对其进行了修正,克服了基于方差的重要性分析中随机变量取不同实现值时对输出响应量的影响相互抵消的问题,从而更加合理地衡量随机变量的重要性;与当前矩独立的重要性分析方法相比,新的指标体系在继承其优点的基础上能够从不同侧面更加全面地对随机变量的重要性进行分析,因而具有更广泛的应用范围。     

风力发电机输出功率条件子集区间估计方法

根据风力发电机的风速和输出功率历史数据,对风机输出功率均值与风速的关系进行最小二乘参数辨识,以此为基础求出风机输出功率偏差与风速的关系。采用Python概率分析确定风机输出功率偏差各子集的概率分布类型,估计其特征参数,以求出其概率密度函数,进而对风机输出功率偏差进行概率置信区间预测。基于风机输出功率均值与风速的关系和风机输出功率偏差子集的置信区间估计模型,实现了根据风速预报值对风机输出功率的置信区间进行预测。用实际风机的历史纪录对所提方法进行了测试和验证。结果表明:基于风速将风机输出功率偏差划分成多个子集,可提高风机输出功率概率置信区间预测的精准度。     

单向分类随机模型方差分量的经验Bayes估计

对于在质量控制、生物育种以及计量经济等方面有着广泛应用的单向分类随机模型 其中y_(ij)为观测数据,ε_i～N(0,σ_1~2)为随机效应,ε_i～N(0,σ_2~2)是随机误差,通常要求考虑对其参数μ,σ_1~2,σ_2~2作出估计,特别是对方差分量σ_1~2,σ_2~2的估计。而在目前常见的估计方法中,大都有一个共同的缺点,即不能保证方差分量估计的非负性。本文采用经验Bayes方法,在平方损失下,利用密度函数及其偏导数的核估计构造出方差分量的一个经验Bayes估计,这个估计是非负的。并证明了这种估计是渐近最优的,在一定条件下,其收敛速度可任意地接近于0(n~(-1/2)。     

基于多尺度空谱特征提取的高光谱遥感图像重建

遥感高光谱图像(HSI)凭借其丰富的光谱信息被广泛地应用于军事、农业、地质等领域。然而,HSI成像因其成本高、传输难等问题限制了其应用规模。通过光谱超分辨(SSR)方法,可以实现输入高分辨率红绿蓝(RGB)图像生成相应的高光谱图像,有效地解决了HSI成本高与传输难的问题。但是,已有的SSR方法对于图像的空间特征提取与光谱之间的相关性关注仍有所不足。针对上述问题,本文提出了一种多尺度空谱特征提取方法,并在SSR领域引入组归一化(GN)方法,关注相邻光谱之间的相关性。同时,还借助条件生成对抗网络进一步优化网络的参数,提升生成图像的真实性,并在DFC2018 Houston数据集上进行实验。结果表明:本文提出的方法可以实现精准的高光谱图像重建,重建的高光谱图像相比当前先进的主流方法性能均明显提高,其中相比CanNet方法,均方根误差下降了48.3%,平均峰值信噪比上升了20.7%。     

Bayesian图模型的化简及在软件测试中的应用

介绍了一种基于贝叶斯图模型的软件测试新方法,该方法为具有不确定性的软件测试问题的逻辑结构提供了形式化机制。分析了该方法的优点和不足,并进行了改进。提出了简化模型,给出了测试过程,通过实例介绍了该模型。表明通过基于贝叶斯图模型的测试方法所构造的模型可以作为软件测试的动态表示,并用于驱动测试设计,为测试者提供决策支持。