基于决策级数据融合的可靠性综合验证方法

可靠性验证试验是检验产品的可靠性水平是否达到要求而进行的试验,是一项重要的可靠性活动.价格昂贵或者可靠性水平较高的设备,按照经典的抽样方案进行试验,时间和费用几乎是不能承受的.为了解决上述实际问题,针对成功率的抽样检验方案,利用证据理论方法,研究了基于研制试验数据、可靠性评估结果和专家信息的基本可信度分配函数的构建方法,并给出了基于决策级数据融合的可靠性综合验证试验模型.同时,对可靠性综合验证模型的性质进行了讨论,确定了可靠性综合验证试验方案的存在性,并提出了方案的选取原则.模型可以广泛地利用研制信息,并可以统一给出基于不同分布类型和不同信息的可靠性综合验证试验方案.通过示例表明该方法可以利用各种研制信息,达到减少可靠性验证试验样本的目的.     

D—S证据理论在多传感器数据融合中的应用

多传感器数据的属性融合有很多算法,本文研究了居理论在多传感器数据融合中的应用,阐述了Ｄ－Ｓ证据理论的性质,给出了可信度公理及Ｄ－Ｓ综合规则,并进行了计算机仿真实验。     

智能机器力觉及力控制研究综述

回顾了智能机器力觉及力控制研究历史,介绍了目前的研究现状,详细分析了现有的4种研究策略：阻抗控制、力／位混合控制、现代控制、智能控制。提出了智能机器力觉及力控制研究的4大关键问题：机器本体及位置伺服;碰撞冲击及稳定性研究;未知环境的约束研究;力传感器及力／位反馈融合,展望了智能机器力觉及力控制研究趋势和应用前景。     

基于神经网络的机械加工信息融合

概述了基于神经网络的信息融合技术在机械加工中的刀具状态监控、加工精度预测、误差补偿等方面的应用,并展望了该技术的应用前景。     

传感器融合技术的发展和应用

介绍了传感器融合技术的必要性和重要性及其发展趋势和应用情况。 The paper introduced the necessity of importance of thesensor integration technology as well as its trend in development and thebrief situations in application.     

基于NSCT与PCNN的图像融合

针对非下采样Contourlet变换(NSCT)变换的平移不变性、多尺度性和多方向等特点,结合脉冲耦合神经网络(PCNN)的全局连接性和神经元的脉冲同步性,提出基于NSCT变换区域特征与脉冲耦合神经网络相结合的图像融合方法。首先对待融合图像进行多尺度、多方向的分解,低频系数采用区域能量融合规则,高频系数作为脉冲耦合神经网络的输入,最后对融合后的系数经过NSCT逆变换得到融合图像。实验结果表明,融合结果在主观和客观评价上均优于其他对比方法。     

一种基于TCBR与RBR融合推理的试飞支持信息系统

深入研究了基于文本案例的推理(TCBR)、基于规则的推理(RBR)及两者融合的人工智能技术,并首创性地运用于先进战机的试飞支持信息系统,由此构建了先进战机智能化试飞支持信息系统的整体框架。建立了其案例库、规则库和知识库的结构。采用Tomcat7、IK Analyzer、GWT、MySQL等运用软件进行开发。实现了理解问答、智能搜索和案例推理等功能,对于试飞工程师还增加了数据库维护及试飞文档编写助手等功能。运行结果表明:系统整体构架设计合理实用;特别是TCBR和RBR的融合运用使系统体现了接近人类思维特点的智能化特征。     

晶体塑性本构模型材料参数识别方法研究

为建立简单高效的晶体塑性本构模型材料参数识别方法,将传统Voronoi多晶/柱晶微结构模型进行了简化,探索了简化微结构模型的建模策略,验证了利用简化微结构模型进行材料参数识别的合理性,分别形成了针对多晶、柱晶与单晶合金的材料参数识别策略,获得了ZSGH4169,DZ125与DD6合金共15组材料参数。结果显示：简化模型的网格数量远远低于传统Voronoi微结构模型,极大地降低了计算代价;为保证简化模型的结果合理且计算代价适中,简化多晶模型需大致含有125个晶粒;相同材料参数条件下,简化模型与传统Voronoi模型的计算结果基本一致;3类合金仿真/实验结果间的最大误差均不超过5%。文中所开发材料参数识别方法计算成本小、操作难度低、运行效率高。     

点融合系统在飞行训练中的应用初探

随着我国中低空域逐渐开放,空域布局愈加复杂,各类通航运行矛盾冲突明显。通航产业中架次与时间占比最大的训练飞行,因其运行繁杂,亟需提升空域容量,降低工作负荷,更新教学课程,适应市场需求。本文研究点融合系统,比对训练飞行困境,分析实施基础,对点融合技术在飞行训练中的运用进行初探,认为该技术的应用能优化空域结构,厘清飞行航迹,提升空域容量,缓解学生积压,减少燃油消耗,且已初步具备基础条件。后期还需从机载设备加装、程序设计优化、人员能力提升、运行监管体系搭建等方面加强建设,以满足点融合系统运行所需。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构,提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法,该方法主要包括线下建立数据库和线上实时感知两部分。首先,在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样,并采用本征正交分解对所测得的全场压力数据进行降维,建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次,在线上基于压缩感知,利用离散压力传感器所测量数据与压力场主导模态,通过求解L₁范数下的最优化问题,对各主导模态的时间系数进行初步求解。最后,将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器,作为其系统模型进行预测;将线上所求得各模态时间系数放入卡尔曼滤波器,作为其观测值进行校正。以CFD模拟翼型压力作为验证数据,对该方法的性能进行评估,结果显示：该方法与仅采用压缩感知进行重构对比,升力重构误差从18.15%减小至6.39%。