基于贝叶斯更新的飞机结构腐蚀可靠度模型

民用飞机结构腐蚀发展的时变性和样本采集的局限性,给腐蚀检测数据分布函数的确定及参数的估计带来了很大的不确定性。针对这一问题,给出了基于贝叶斯公式的合理分布函数选取及参数估计方法。为满足在役飞机结构可靠性动态管理的需求,基于贝叶斯更新思路,将反映结构性能退化共性规律的预测模型视为先验模型,沿着具体结构生命周期不断挖掘利用新信息,建立具体飞机结构腐蚀失效概率和可靠度的动态预测模型。算例采用某型民用飞机地板梁结构腐蚀的无损检测数据,结果显示：腐蚀深度的合理分布为双参数威布尔分布,基于贝叶斯更新后的腐蚀失效概率计算得到的结构可靠度与未更新的显著不同。表明更新后的可靠度因为既考虑了模型参数的历史先验信息,又利用了当前数据实时更新了预测模型,从而有效地降低了有限样本带来的不确定性,使得预测值稳健且具有时变性,更符合工程实际。     

小子样疲劳试验数据的特征寿命估算方法评估

疲劳试验数据一般属小子样范畴,在Weibull寿命分布的假设下应考虑特征寿命的统计置信度.总结特征寿命概率估计的贝叶斯法和虚拟增广样本的Bootstrap法,通过2024-T3直耳片的七组疲劳试验数据对二者进行对比和评估.针对EDF拟合检验法无法对特征寿命估计值的合理性提供实质性指导的问题,提出一种新的试验样本数据全部落入寿命分布（1-a）双侧百分位区间的判定方法.结果表明：Bootstrap法的特征寿命估计值比贝叶斯法偏大;本文提出的判定方法可有效定性判断特征寿命估计值偏大或偏小.     

基于信任值的P2P网络访问控制模型

对等网络（P2P）已成为一个非常受欢迎的信息交流的新模式。然而,P2P网络环境的分散的和匿名的特点使得对共享信息的控制变得更加困难,而这是无法通过传统的访问控制方法完成的。首先提出P2P网络环境中的访问控制需求,然后提出了一种基于信任值的P2P网络的访问控制模型。模型整合了信任和推荐模式、公平参与原则和访问控制模式,并将其应用于P2P文件共享系统。仿真分析表明,访问控制模型能够有效识别恶意节点,使P2P网络中合作节点具有较高的成功请求率。     

某型航空发动机高原使用起动供油量调整研究

为保证某型发动机在高原地区能安全可靠地起动,在该型发动机进驻高原机场使用前,通过地面台架试车得到地面起动供油量调整变化规律,并应用人工神经网络,采用trainbr训练算法估算高原起动供油量调整规律,研究确定了该型发动机在高原使用条件下,起动供油量调整旋钮、起动放气嘴直径、起动补油量调整螺钉的匹配调整方法。经高原使用实践证明,该调整方法可保证一次调整成功,使该型发动机高原起动快速、安全、可靠,为飞机的快速出动创造了有利条件。      

直升机机动飞行仿真的气动建模及试验研究

 建立了适用于直升机机动飞行仿真的动力学模型。为了提高模型的真实度,着重通过瞬态操纵实验研究建立了旋翼非定常气动模型;又通过旋翼/ 机身气动干扰试验研究,并运用神经网络技术建立了一种新的机身气动力模型。使用该仿真模型做出的UH260A 直升机仿真计算结果与飞行试验数据符合良好。     

Weibull分布可靠性分析

本文讨论了Weibull寿命型产品的分布参数、可靠性及可靠寿命的极大似然估计，包括点估计和置信区间估计，然后讨论了Weibull分布的Bayes可靠性分析方法，并使用Gauss—Legendre方法解决了Bayes分析方法中的积分困难，大大节省了计算时间，算例表明这种方法是合理有效的。     

安全关键软件可靠性验证测试方法研究

为了在不降低安全关键软件可靠性验证测试结果可信性的前提下减少测试用例量,在分析经典统计假设测试和无先验贝叶斯统计方法的基础上,提出了一种先验知识动态整合的贝叶斯推断统计测试方法;并提供了软件失效概率的概率密度函数先验分布参数的详细求解办法。实验表明,所提供的安全关键软件可靠性验证测试方法可以用较少的测试用例获得同样的结果可信性。     

无线传感器网络的低功耗研究

在野外等一些环境下的无线数据采集系统中,由于地理环境恶劣、节点数量多等原因很难更换电源电池,因此有效地降低系统各层的功耗、提高系统的生命周期尤为重要.文中在论述传感器节点结构的基础上,分析如何对传感器节点的动态电压调度、MCU能量消耗控制、动态功率管理、收发模块节能等硬件电路以及对MAC层、网络层的软件协议降低系统耗能.     

电液力伺服系统的神经网络并行自适应预测 PI 控制

考虑电液伺服系统的复杂非线性和不确定性特性,提出一类基于神经网络的并行自适应预测PI控制结构,该结构使控制参数的调整和系统的实时控制操作可并行进行,不仅做到了神经模型和控制器的在线辨识和设计,而且避免了神经网络方法通常存在的实时控制的困难,使复杂系统的在线学习控制成为可能。仿真结果表明该控制器具有良好的适应性和鲁棒性。      

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.