反向需求

“产品在不期望但又可能出现的非正常输入的情况下，能有正确的反应”，这是何国伟定义的反向需求，很多设计人员主要考虑“在规定的输入条件（所谓正常情况）下，能以规定概率（可靠性）完成规定功能”。于是，当非正常输入时，就可能出现危险事件，甚至导致严酷度等级很高的后果。因此在需求子工程中，应该力求需求（包括反向需求）的完备性，主要方法有：1）头脑风暴法；2）建立反向需求库；3）找原始设计需求的疏漏；4）分析危险事件发生的概率分布，发生概率与假设条件的一致性，并以毒奶粉，次级房贷等为例进行说明。     

中国核电厂操作员反应时认知模型的应用(英文)

讨论了一些有关人员行为与时间有依赖关系的可靠性模型；给出了中国核电厂操作员在清华大学培训模型机上的一些可靠性实验结果。此外，还根据已获得的实验数据计算了在ＡＴＷＳ事故条件下人的失误概率。     

一种新型雷达引信混沌信号号发生器

研究了一个新型混沌振荡电路，分析了该电路的非线性机理。通过对该电路产生的混沌振荡电压作相关性、游程性统计和雷达模糊函数特性分析，发现它们的特性非常逼近于理想白噪声特性，从而揭示了该混沌电路用于雷达引信的可能性和优越性。     

依概率P修如新的贮存可靠性模型及其参数估计

对于一类长期贮存，一次使用的产品，通常保持其高可靠性的办法是对其周期检修。基于指数分布给出一个依概率P维修如新、周期检测期间贮存失效率增大的贮存可靠性模型，用最小二乘法对模型参数进行了估计。最后，给出一个应用实例演示了模型的有效性。     

非概率可靠性的工程应用研究

文章论述了非概率可靠性的提出、定义及发展现状等.对非概率可靠性的两种方法即稳健可靠性和区间可靠性的评估方法进行了对比,讨论了qmu(即裕量和不确定性的量化)方法与非概率可靠性的关系,给出了稳健可靠性在螺栓静强度分析中的应用实例,给出了区间可靠性在某库存部件的理化性能分析中的应用实例.     

最坏情况下的可靠性设计及可靠性试验

对安全性要求较高的产品进行可靠性设计时,为保证在最坏条件下仍然能够执行任务,要设定最坏环境及使用条件,不能疏漏,不能再采用3σ之类参数来分析其可靠性,要用允差[Y-,Y+]代替3σ的概率允差[Y′-,Y′+],这样设计出来的产品,在t=T的蜕化情况下能满足规定负载L的要求,则t=0时应能满足更高的负载L*的要求;可靠性试验时负载应该用L*再加上适当安全系数进行,不同于主要用试验设计的健壮设计。     

机载超短波干扰装备战术性能评估方法研究

分析机载超短波干扰装备在现代作战中的作战对象和任务使命,从侦察能力、测向能力、干扰能力和系统稳定性四个方面构建衡量超短波干扰装备战术性能的指标体系,提出运用模糊综合法分析其综合性能的方法,并通过实例验证了评估方法的可行性.     

卫星时分多址信号高精度快速时频差联合估计方法

针对传统时频差估计方法对时分多址(TDMA)信号进行参数估计时会出现不同用户相互影响、估计精度差,以及计算复杂度高不利于系统实时信号处理等问题,文章提出一种高精度快速时频差联合估计方法.首先,基于循环平稳特征对主站接收数据进行信号检测;然后,基于小波阈值去噪和短时电平和进行TDMA信号时隙分离;在此基础上,基于不同调制信号特征参数设计多级分类器,对每个分离的信号时隙进行调制样式判别,进而分选不同用户对应的信号时隙;接着,利用主站分选的各个用户信号分别与辅站信号进行时频差粗值估计;根据粗时频差估计值减小细化时差搜索范围,以获取精细时频差估计值;最后,利用二阶曲面拟合方法进一步提升参数估计精度.仿真结果表明:文章所提方法能够有效实现TDMA信号高精度快速时频差联合估计,可为后续卫星频谱感知体系的建设提供理论支撑.     

基于模糊机会约束规划的机会阵雷达方向图综合

针对机会阵雷达方向图综合的不确定问题,提出了一种基于模糊机会约束规划的方向图综合规划模型。该模型基于可信性理论,综合考虑天线单元分布的随机性以及激励状态的不确定性,将参与方向图综合时激励打开的天线数目看做一个梯形模糊变量,用以描述综合时的复杂不确定环境。随后,将规划模型转化为清晰等价形式,再结合遗传算法和灰关联综合评价法则设计了一种混合智能优化算法,用于求解该模型。以一维任意非均匀线阵为例,对主瓣宽度和最大副瓣电平进行了优化。仿真表明:优化后结果的可信性高于置信水平,验证了该算法的有效性。     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.