失谐叶盘结构的概率响应局部化特性

基于某典型叶盘结构的减缩有限元模型和Monte Carlo-响应面法数值计算,详细分析了几何参数失谐叶盘结构的概率响应局部化特性.给出了几何失谐叶盘结构的有限元建模及减缩方法,并通过定义响应放大因子对受迫响应的局部化程度进行定量描述,分别计算了不同形式的随机失谐和主动错频叶盘结构的概率局部化特性,讨论了失谐形式和失谐参数的影响规律等.研究表明,随着失谐程度的增加,失谐系统的响应水平及其分散程度都会有一个峰值存在.      

基于非线性函数认证码的新构造

基于非线性函数构造了一类新的认证码,计算出了该认证码替换攻击成功的概率和模仿攻击成功的概率,并与前人所做的认证码进行了比较,分析了所构造认证码的优缺点。     

基于概率数据关联的地磁匹配算法

针对轮廓匹配算法存在的虚定位问题,在轮廓匹配算法的基础上,提出了一个新的分批地磁匹配方法——基于概率数据关联滤波的地磁匹配算法。算法把满足一定条件的相关值作为滤波器的有效量测,把巡航导弹的位置作为状态变量,建立了基于概率数据关联的地磁匹配模型,利用概率数据关联滤波算法计算巡航导弹的位置坐标。仿真结果表明,该算法有效地降低了虚定位发生的概率,正确匹配率、导航效果均优于轮廓匹配算法。     

单机吊放声呐应召反潜探测概率的计算与优化

研究了在该模型下应召反潜辅助决策系统规划的多个定测点的探测概率的计算方法,并对计算方法进行了优化。经工程实际应用,具有速度快,结构简单等特点,具有实用价值。     

宽带信号多通道干涉仪测向解模糊方法研究

针对基于子频带分解的宽带信号干涉法测向中通道间相位差的模糊问题,提出了一种简单的解模糊方法,该方法运算量小且正确解模糊对信噪比要求低。仿真结果表明了结论的正确性。     

基于匹配模板的雷达信号快速识别系统设计

雷达采用低截获概率(LPI)技术之后,特别是在低信噪比条件下,传统的雷达信号识别方法将暴露出对弱信号无能为力、识别率低等缺陷.针对这些问题,设计了基于匹配模板的雷达信号快速识别系统,介绍了系统设计的基本思路,提出了敏感参数这一概念,保证了正确识别率.以线性调频信号为例制定了相应的匹配识别准则,通过仿真实验验证了该准则的有效性和该系统的可行性.在信号受到噪声污染的情况下,该系统对线性调频信号的识别信噪比可以达到-6dB.     

LEO卫星通信系统模糊逻辑动态位置区方案

文章在基于自主定位的动态位置区方案的基础上提出了模糊逻辑动态位置区方案,通过对用户在给定时间内运动模式的判定来动态改变用户的更新半径,并仿真比较了用户在不同初始更新半径下两种方案的更新和寻呼开销,以及用户在不同模糊逻辑统计时间下的更新和寻呼开销。仿真结果表明用户在该方案下的位置管理总开销相对于普通动态位置区有了明显的降低,提高了位置管理效率。     

基于QAR数据的民机高高原进近着陆风险评估方法

民机高高原进近着陆是高原飞行高风险阶段。为有效实施高高原进近着陆风险识别和等级判据,提出基于熵权可变模糊识别的长短时记忆网络与深度神经网络(LSTM-DNN)相融合的深度学习风险评估方法。基于快速存取记录器(QAR)记录的高高原飞行数据,借鉴民机飞行品质监控（FOQA）咨询通告和行业QAR监控标准,结合指标重要度分析与Delphi专家调查,提取着陆时航向变化大、航迹低、610～305 m进近时下降率大、接地时垂直加速度及153～15 m进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。为克服评估指标权重主观性偏差,应用熵权法确定评估指标权重,基于可变模糊识别方法构建风险等级隶属函数,建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例,提取QAR数据,对该风险评估模型进行训练与测试,并与Logistic多元回归、支持向量机(SVM)等评估方法进行比较,结果表明：所提方法平均准确率达到94.18%,最高可达94.79%,验证了方法的客观有效性。     

基于极值理论的平尾结冰飞行风险评估

提出了结合极值理论与Copula模型来量化评估平尾结冰条件下飞行风险概率的方法。通过建立人-机-环复杂系统模型,对平尾在进近与着陆过程中的结冰情形进行仿真,采用蒙特卡罗法提取平尾结冰极值参数,验证了所提取极值参数符合一维广义极值（GEV）分布,根据飞行风险的定义和相关安全性准则,建立了平尾结冰飞行风险发生的判定条件,计算得出一维极值飞行风险概率;在此基础上选取Copula模型来描述二维极值参数的相关性,对多种Copula模型的未知参数进行辨识,通过拟合优度检验对精度进行验证,得出Joe Copula模型对二维极值分布的描述最为准确,运用Joe Copula模型计算出二维极值飞行风险概率,有效解决了一维极值具有的局限性。所提方法对飞行安全评估等理论有一定参考价值,能为平尾结冰飞行事故的预防提供分析和检验依据。     

全局最优导向模糊布谷鸟搜索算法及应用

针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。