民用飞机平尾载荷的不确定性及全局灵敏度分析

针对飞行载荷计算输入数据的随机不确定性会导致载荷计算结果波动的现象,采用Monte Carlo模拟方法和基于方差的全局灵敏度分析方法对民用飞机急剧俯仰机动随机平尾载荷进行不确定性及全局灵敏度分析。具体分析了飞机气动特性和重心的不确定性对迎角贡献平尾载荷、升降舵偏度贡献平尾载荷及平尾总载荷的影响,进一步通过全局灵敏度分析找出影响平尾载荷计算结果的主要因素。不确定性分析结果表明:气动特性和重心的不确定性导致迎角贡献平尾载荷的波动程度很大。灵敏度分析结果表明:1)升降舵偏度贡献平尾载荷只受升降舵效率的影响;2)迎角贡献平尾载荷主要受无尾飞机零迎角俯仰力矩系数和重心的影响;3)平尾总载荷受升降舵效率的影响最大,受无尾飞机零迎角俯仰力矩系数及重心的影响次之。此外也验证了方法的有效性,对提高飞行载荷的计算精度有一定的指导意义。     

结构元件疲劳断裂可靠性分析的新方法

对近年来国内外在结构元件疲劳断裂可靠性分析的经典模型的简要综述基础上，结合新的数学分析方法，重点分析和讨论了元件疲劳断裂可靠性分析的新方法和新模型。包含脆性断裂和韧性断裂的随机有限元法模型、随机模糊混合可靠性模型、概率与非概率混合可靠性模型、基于遗传算法和神经网络的可靠性模型和应变疲劳可靠性模型。     

基于BEMD与DCT的彩色图像多重水印鲁棒算法

为解决现有彩色图像水印算法容错性低及宿主图像与水印图像在嵌入时尺寸匹配问题,并提高算法抵御各种攻击的鲁棒性,提出一种基于二维经验模态分解(BEMD)和离散余弦变换(DCT)的彩色图像多重水印鲁棒算法。使用Arnold变换对3幅二值水印图像进行置乱,分别对彩色宿主图像的三通道进行BEMD,得到各通道的内蕴模态函数(IMF)和余量信息,选择各通道的第1个IMF（记作IMF₁）作为水印嵌入层,对每个通道的IMF₁分割成不重叠子块后进行DCT;再将置乱后的二值水印图像依次重复嵌入在各通道子块经过之字形(Zigzag)扫描后的中频系数中,使用逆Zigzag扫描和逆DCT得到各通道嵌入水印信息后的IMF₁,并与每个通道其余的IMF及余量重建得到嵌入水印后的彩色图像。水印提取为嵌入过程的逆过程,算法可以实现彩色图像嵌入水印的盲提取。在水印提取过程中对重复嵌入提取到的水印图像使用投票策略,增强了算法的容错性。大量实验结果表明:嵌入水印后的图像峰值信噪比（PSNR）在34 dB以上,水印信息具有较高的不可见性;对嵌入多重水印后的宿主图像进行大尺寸剪切、椒盐噪声等攻击实验,提取到的水印图像与原始图像的归一化系数均在0.96以上,且可达到1,水印信息提取完整清晰可辨。与现有大量彩色图像水印算法相比,所提算法具有较强抵御各种攻击的能力,同时嵌入水印后图像具有较高的不可见性。      

基于随机排序微分进化算法的多级轴流压气机优化技术

为了精确处理多级轴流压气机优化设计过程中的约束条件,提高优化设计可靠性,引入了随机排序微分进化算法。使用随机排序算法处理优化问题中普遍存在的约束条件,并将该算子与微分进化算法耦合。使用13个基准测试函数对算法进行了性能测试。测试结果表明该算法具有可观的精确性和稳定性。随后,对一弹用5级轴流压气机进行了优化设计,在满足约束的条件下,总压和等熵效率分别得到了1.979%和2.5%的效率提升。     

通过信号相关方法进行高精度闭环光纤陀螺误差补偿

在线笥度要求较高及动态范围较大时，光纤陀螺仪应以闭环控制系统做为理想驱动。对于减小低频信号的扰动和准确探测在Sagnac相移随光强分布线性区域内的光强，适当的本征调制Sagnac干涉信（SIF）反馈信号是必须的，确定的调制都会伴随着不可避免的调制器和光探测器之间的串音引起的死区和偏置误差。本文提出了一个非周期控制县对SIF反馈信号进行伪随机调制的高精度闭环陀螺系统。这种随机调制原理完全消除了在测量小旋转速率时的死区，并能够通过信号相关方法对在非理想系统中的几个误差源进行固有的潜在的补偿和控制。下文半介绍这个相关性控制的原理，并将其应用于一系列本文所的闭环光纤陀螺的专门的控制环。从几个实现相关控制的高精度闭环螺的原型得到的结果表明：偏置误差可以减小两个量级，并且随机游走也显著降低。     

网壳结构稳定性分析的改进随机缺陷法智能控制

以作者前期研究的网壳结构缺陷稳定分析的改进随机缺陷法为基础,将异常值检验、临界荷载分布规律检验、设计临界荷载的取值等与随机缺陷稳定计算程序相结合,并增加智能控制模块,实时监察临界荷载分布规律及其统计参数的变化。当计算样本容量已能够恒定反映临界荷载的分布规律时即可停止整个缺陷稳定分析过程,从而使随机缺陷稳定性分析的计算工作量尽量小。计算结果表明,程序智能控制的样本数能够恒定反映临界荷载的分布规律。改进随机缺陷法智能控制程序的开发不但节约了网壳结构随机缺陷稳定分析的样本数和计算时间,而且为计算样本数的选取提供了依据,从而可针对不同分析对象确定需要的最小样本数。     

基于残差SDE-Net的深度神经网络不确定性估计

神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题,一是在处理大规模数据集时,随着网络层次的增加会导致性能退化;二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net),该模型采用了改进的残差网络(ResNets)中的残差块,并应用于SDE-Net以获得一致稳定性和更高的性能;针对具有噪声或高丢失率的分布内数据,引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复,从而提高ResSDE-Net处理此类数据的性能。实验结果表明：ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能,并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上,仍然分别获得89.89%、65.22%和93.02%的平均准确率。     

利用改进遗传算法的软件故障定位辅助测试用例生成方法

在软件故障自动化定位过程中,如果在给定的测试用例集合情况下故障在故障疑似度列表种排名不高,比较有效的方法为补充新的测试用例。如何在较小的代价下提升故障的可疑度排名是一项具有挑战的工作。提出一种基于改进遗传算法(IGA)的测试用例生成方法,利用软件故障定位的疑似故障排名,来辅助生成软件故障定位过程中的测试用例。依次对所提方法进行阐述和分析,在6个C程序和2个Python程序上开展实验,实验结果表明：所提方法自动生成的测试用例能够有效地帮助提高故障定位的效率。     

相关随机序列仿真的一种新方法

相关随机序列是描述随机噪声、杂波和干扰的主要工具,在卫星通信、常规雷达及星载雷达中有着重要应用.本文基于“随机向量抽样法“,提出了一种新的相关随机序列仿真方法.这种方法通过由相关函数抽样序列形成的协方差矩阵控制序列的相关性,适用于仿真具有不同概率密度函数的各种有限长相关的随机序列.仿真结果表明该方法可快速、准确地实现各种相关随机序列的仿真.