液体火箭发动机可靠性增长分析与决策研究

液体火箭发动机试验费用昂贵、可靠性要求高，有必要采用分析和决策技术对可靠性增长进行综合管理。传统的可靠性增长分析与决策是采用可靠性增长模型，包括经典可靠性增长模型和Bayes可靠性增长模型。可靠性增长模型以可靠度的点估计或置信下降作为决策标准，缺陷是没有考虑可靠度本身的不确定性以及由决策损失导致的严重后果。本文根据液体火箭发动机的特点，采用信息融合技术，建立了基于增长数据折合的Bayes指数分布可靠性增长模型，评估可靠性水平。针对评估结果存在的不确定性，采用Bayes风险决策方法确定停止可靠性增长试验时间的标准。工程应用表明：该方法可操作性强，得出的结果科学、可靠。     

无人战斗机的态势感知模型框架

提出了利用面向对象的贝叶斯网络构建无人战斗机的态势感知模型框架，探索了有利于多机协同作战的态势感知模型，以及作战环境具有多个不同威胁实体的态势感知；给出了无人战斗机态势感知的特点及威胁水平评估模型，以及构建基于多机协同的态势感知模型的具体步骤。     

基于领域的机器定理证明的研究

采用分类的思想,对领域内的证明问题进行了归纳总结、抽象,在计算机上建立了相应的模型,采用基于知识的推理技术,设计了机器定理证明的实现流程,并针对某种具体类型实现了相应的原型系统,得到了满意的结果。分类思想为具有较强客观规律问题的机器自动求解提供了思路。     

基于贝叶斯的航空备件需求研究与应用

鉴于目前航空备件需求计算应用泊松公式存在计算结果误差较大的问题,依据历史故障数据并应用广义更新过程建立反映历史故障数据以及维修能力的可靠性分布模型,同时针对目前历史故障数据主要是小样本事件,应用贝叶斯方法并采用切片采样法对可靠性分布模型进行参数估计。最后通过实例进行分析,结果表明实际故障次数和实际故障情况较为吻合,增大了模型的应用范围。     

二项分布中成功概率的贝叶斯序贯检验方法

针对成败型效应实验研究中二项分布未知参数(成功概率)的假设检验问题,在复杂假设条件下,提出了一种基于Bayesian验后概率的序贯检验方法,建立了检验的判别准则,给出了判别准则临界值的计算方法.在给定截尾实验次数的条件下,提出了一种截尾方案,建立了截尾判断方法.最后结合示例,对上述方法的应用过程进行了说明,并和现有方法进行了分析比较.结果表明:在一定先验信息的条件下,该方法给出的检验样本量远小于经典方法确定的检验样本量.      

区间不确定信息下可修系统基于幂律过程的贝叶斯可靠性评估方法研究

贝叶斯方法常用于小子样场合下航空航天等领域中可修系统的可靠性评估,由于一些不确定因素影响致使无法精确收集先验信息和/或可修系统的故障信息,但却可获得其上下界信息。针对区间不确定信息情形,提出多台可修系统当其失效过程服从幂律过程（PLP）时的贝叶斯可靠性分析方法,将信息先验下PLP模型基于区间信息的贝叶斯分析转化为所求目标函数恰是该先验下PLP模型传统贝叶斯分析的约束优化问题;通过具体工程实例对本文所提方法的可行性、有效性进行验证。结果表明：本文所提出的贝叶斯可靠性分析方法能够为小子样场合下,考虑不确定性因素影响时可修系统的可靠性评估问题研究提供一种值得参考的方法。     

基于数据驱动的可控变形叶型优化方法

重点研究了综合考虑变形代价及气动收益的可控变形叶型优化设计方法。利用机器学习算法构建叶型几何与关键气动参数之间的预测模型，量化变形代价及气动收益，并搭建贝叶斯优化框架进行寻优。结果表明：基于机器学习的预测及优化框架能够准确预测风扇变形后的气动性能，且在考虑变形代价的条件下对叶型变形收益边界进行评估。主要结论是利用机器学习算法结合叶斯寻优框架可以获得兼顾变形代价以及气动收益的变形方案。相比于单纯的气动优化方案，此方案可以在保证气动性能提升的同时，使叶片最大应力降低14.17%，压电片驱动能耗降低67.45%。     

数据和知识驱动的空战目标集群类型综合识别

目标集群类型识别是体系作战样式下态势认知的关键，然而现有集群识别算法主要依据专家知识人工进行判读，难以满足作战态势快速、准确理解的需求。提出数据和知识驱动下的推理机制，构建分层精细化推理的集群场景识别框架，预识别层检测目标运动过程中的集群的分群/合群，根据设计基于边界检测的密度峰值聚类确定群的划分情况，得到集群的初步识别结果；再识别层中综合分析集群执行任务、运动特性、电磁特性，对集群目标的多源特性进行多元知识约束下的推理网络构建，在此基础上利用现有数据进行推理网络参数学习，进而使推理获得更为准确的集群类型识别结果。该框架综合知识和数据的优势具有从粗到精的集群目标识别能力，利用多特征综合推理机制对目标集群精细化分析，实现集群类型的准确识别。在典型的集群作战活动场景下推理置信度和正确率两项指标均优于现有算法，验证了所提方法的有效性，提高空战目标集群类型识别的置信度和准确率。     

装备试验评估中的变动统计问题与方法

随着装备性能的提高和试验过程的复杂化,变动统计问题逐渐成为装备试验评估领域中亟待解决的重要问题,需要融合不同阶段、不同来源的异总体试验数据对产品研制、生产、使用过程中的性能变化过程进行恰当的建模与评估。首先分析了变动统计问题的主要特征,并简要回顾了变动统计问题在装备质量与性能指标评估领域中的研究历程。针对变动统计问题所面临的主要研究对象,分析了其中需要解决的若干关键问题。通过与其他几个相关研究领域的比较,提出了变动统计的基本内涵。最后,归纳提出了基本的变动统计方法：基于约束关系的多总体融合估计、基于线性模型的变动总体建模与预测和基于Bayes方法的多源验前信息融合,并对各类方法的特点与前景进行了讨论与展望。
     

基于贝叶斯方法的HPRF雷达跟踪解距离模糊方法(英文)

高脉冲重复频率(HPRF)雷达目标跟踪需要解决距离模糊问题。本文通过把脉冲间隔数和脉冲间隔变化量作为目标的离散状态,目标的距离和径向速度作为目标的连续状态,将HPRF雷达的跟踪和解距离模糊问题转换为贝叶斯框架下的混合估计问题并且利用粒子滤波方法实现。仿真结果表明本文方法在脉冲间隔数变化时仍可以正确地解距离模糊,并且跟踪精度比多假设方法高。