极大似然最大熵概率密度估计及其优化解法

针对经典最大熵概率密度估计中拉格朗日乘子计算目前存在高度非线性、计算精度不高或有时难以收敛等问题,提出了一种"最大似然+逐次优化"的方法。基于最大似然估计法,推导建立了简化的拉格朗日优化函数;在此基础上,基于样本原点矩约束,提出了逐次寻优算法。根据优化过程不稳定,重新推导了拉格朗日乘子的线性变换公式,避免矩阵求逆运算引起的奇异现象。针对几种常见的概率分布类型及可靠性问题,采用极大似然最大熵概率密度估计法与经典型最大熵概率密度估计法分别计算概率密度及可靠度的对比表明:极大似然最大熵概率密度估计法的优化函数非线性程度低,形式简单,而且"极大似然最大熵概率密度估计+逐次优化法计算"精度高,收敛性好。     

通用EIFS分布确定方法改进研究

基于概率断裂力学的基本假设和原理,提出一种改进的通用EIFS分布确定方法。新方法用小裂纹扩展曲线计算多种参考裂纹尺寸水平下的TTCI值,并对其进行极大似然估计。然后利用约束最小二乘法确定不同应力下的裂纹扩展参数和通用EIFS分布上限。在此基础上,根据分布参数的通用性条件确定通用EIFS分布参数。与改进前的方法相比,新方法充分利用分布函数和裂纹扩展提供的信息,提高参数估计的合理性和可靠性。对某零件的原始疲劳质量分析证明改进方法是可行的,便于工程应用。     

基于加速退化模型的卫星组件寿命与可靠性评估方法

针对卫星产品长寿命、高可靠性的特点,提出了使用加速退化试验的方法来评估卫星用微波接收机的寿命与可靠性指标.首先,在确定微波接收机关键模块与相应失效机理的基础上,选择了适用的加速模型.然后,通过分析产品性能的实际退化过程,选择漂移布朗运动对此进行拟合,并结合漂移布朗运动首达时(first passage time)服从逆高斯分布的特点,建立了产品的可靠性模型.最后,采用极大似然结合最小二乘的评估方法,对该关键模块的恒定应力加速退化试验的蒙特卡罗仿真结果,进行了产品的寿命与可靠性评估并且得到了合理的结果,从而验证了本文方法的正确性.     

极大代数在柔性制造系统建模中的不适用性

正确地认识和描述一个问题,是解决问题的前提条件。一个良好的柔性制造系统(FMS)模型可以反映其结构特性和预测其动态运行状况,为分析评价FMS的技术经济效益提供必要的信息,并为FMS的规划设计和运行决策提供依据。极大代数理论是目前常用的FMS建模方法之一,通过对极大代数理论和相应的FMS模型的分析,作者认为基于极大代数理论的FMS模型与实际系统相距甚远,无法反映FMS的柔性和FMS的动态运行过程。因此,极大代数理论不适合FMS的建模分析。     

利用电磁仿真数据研究ISAR运动补偿和成像

本文利用板块法对运动目标进行电磁仿真,根据Stratton-Chu积分,通过目标CAD造形和表面板块生成,每一板块元与目标实际表面之间的最大误差不得大于入射雷达波波长的十六分之一,从而将目标的三维曲面矢量电磁散射积分简化为每一板块面元上的二维平面矢量积分之和,获得静止目标的散射场,然后通过目标运动轨迹模拟,考虑由于目标的运动而引起的雷达回波相位的变化,实现运动目标的电磁仿真。利用这种电磁仿真方法模拟产生64×128个回波数据,用频域法进行距离对准,用最大似然方法进行相位补偿,目标轨迹运动引起的距离变化用时间的二次函数拟合,研究了用X波段雷达对一架匀速直线飞行飞机的ISAR运动补偿和成像。     

Weibull分布逐步增加的Ⅱ型截尾试验的统计分析

本文给出Weibull分布在逐步增加的Ⅱ型截尾寿命数据参数的极大似然估计与逆短估计，并通过Monte—Cardo模拟考察了估计的精度，认为极大似然估计优于逆短估计。     

翼型极大迎角风洞试验技术研究

在NF-3风洞的二元试验段开展了翼型极大迎角（±180°）条件下气动特性的试验技术研究。针对翼型极大迎角风洞试验的洞壁干扰,提出了风洞壁压信息洞壁干扰修正的改进方法。试验结果表明,发展的试验技术和提出的洞壁干扰修正方法适合于翼型极大迎角试验。     

137亿年前的正物质？（下）

我们光知道铁在1500℃的高温下会完全液化，电磁传导性会极大下降，但有谁知道，铁在接近-273℃时也会液化，同时还具备了几乎没有电阻存在的超导体性能。尤·契科夫还指出，真空对于超导和弱电相互作用都是绝缘体。宇宙其实正是这样，     

基于最大比合并的最大似然TDOA/FDOA联合定位方法

为了提高单独时差或频差定位精度,提出利用最大比合并技术合并TDOA和FDOA方程基于最大似然原理的独立定位解, 形成联合定位,合并系数由TDOA和FDOA方程单独定位方差的克拉美罗界对应的Fisher信息逆矩阵来定义.仿真和理论分析表明:该算法的定位性能在有无地球约束条件下均优于单独定位性能,并且逼近克拉美罗界.     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。