认知不确定多态系统模糊可靠性评估

针对高可靠部件短时间内很难获得 足够的性能分布信息,致使对部件的认知存在一定的不确定性问题,为降低其对部件性能分 析的影响,实现对系统可靠性的准确估计,假定部件性能分布参数为模糊数,根据模糊集合 分解定理,建立基于β-截集变量的性能分布模型,给出了部件模糊状态 性能区间的定义和状态模糊概率的计算方法。对传统的通用生成函数方法进行改进,定义了 α-截集通用生成函数及其运算法则。提出了考虑认知不确定的多态系统 模糊可靠性评估方法,并以仿真实例进行验证说明。该方法不仅克服了性能分布信息缺少, 无法准确地建立状态信息分析模型的不足,且方法简单、思路清晰,具有强通用性和工程应 用性。     

耐高温动态压力传感器与实验分析研究

采用微机械电子系统（Micro Electro-Mechanical Systems,MEMS）和硅隔离（Silicon on Insulator,SOI）技术制作出了量程为25MPa的倒杯式耐高温压阻力敏芯片,敏感电阻条与硅基底之间采用二氧化硅隔离,解决了在大于120℃高温下力敏芯片工作稳定性和可靠性的难题。设计了齐平式机械封装结构,避免了管腔效应影响,提高了传感器的动态响应频率。对研制出的耐高温动态压力传感器进行了静态性能和动态性能的标定实验,静态实验温度为250℃,得到了传感器基本性能参数,分析了传感器的不确定度,得出该传感器的基本误差为±0.114%FS（Full Scale,全量程）,不确定度为0.01794mV,计算得到了传感器的热零点漂移和热灵敏度漂移指标,由动态性能实验得到传感器的响应频率为555.6kHz,实验表明所研制的MEMS压力传感器在高温下具有良好的精度和固有频率。     

一种方形盒坯料快速设计方法

针对冲压件坯料设计存在的难题,本文以方形盒冲压件为对象,提出一种结合径向基函数神经网络(RBFNN)和有限元反向法(IA)的快速坯料设计方法。利用神经网络高度的非线性映射能力,建立方形盒零件几何形状和坯料轮廓尺寸的映射模型。利用有限元反向法为RBFNN提供训练样本,同时采用基于变形路径的坯料优化方法改进了训练样本的精度,提高了RBFNN模型对的坯料外形的预测能力。实验证明采用RBFNN-IA方法可以实现方形盒坯料的快速设计,而且可以提高坯料的预测精度。     

MRTD方法的色散特性分析和电磁散射应用

将基于Daubechies尺度函数的时域多分辨(Multiresolution time-domain,MRTD)方法应用于三维目标的电磁散射和雷达目标特性分析中,并对其Courant稳定性条件和色散特性进行了分析.在入射波引入方面,提出应用总场/散射场技术,在连接边界周围定义一些"修正区域",并推导出一系列"修正区域"内的迭代公式,把入射场作为"连接边界条件"引入到计算区域.理论分析和实验结果表明,基于Daubechies尺度函数的MRTD方法和入射波引入方法是有效的,且与传统的FDTD方法相比,MRTD方法在保持计算精度的前提下能够节省计算资源.     

基于模糊综合函数的目标识别融合及B/S模式在智能监控中的应用

针对虹桥机场通信管网人井的监控问题,本文利用基于模糊综合函数的目标识别融合理论实现多传感器决策级数据融合,提高通信人井井盖监测的准确性,并以B/S模式构建分布式通信人井多传感器集中智能监控系统。这两种理论保证了本套在线实时监控系统成功地应用于虹桥机场,保证了机场的通信管网安全畅通。     

基于Morlet小波滤波提高系统参数识别精度的方法

提出了一种基于连续小波变换的时频域滤器对信号滤波,不会引起相波方法,用于频响函数估计前的信号预处理.采用Morlet小波构造一种FIR滤波位失真.提出了一种改进的小波基以满足瞬态激励情况的时频域分辨率要求.采用GARTEUR飞机模型构造仿真算例,对仿真数据添加白噪声.仿真结果表明,系统参数识别精度明显改善,滤波后获得的阻尼估计误差较滤波前下降了30%.     

一种基于证据理论的目标识别加权数据融合

在分析证据理论数学内涵的基础上,给出一种不确定性的目标识别加权数据融合方法,即先对不同传感器赋予不同的可信权值,形成新的m ass函数,再通过D-S合成公式进行数据融合。理论分析和实践检验证明,该方法可有效地提高目标识别的准确性。     

随机微分系统的耗散性

提出了有关Ito型随机微分系统耗散性理论的新概念:按模耗散、按模等度耗散和按模一致耗散,并利用Lyapunov方法,借助于Ito微分公式沿着Ito型随机微分系统的解对所构造的Lyapunov函数求导数,给出了Ito型随机微分系统有关按模耗散理论的一些代数判据,获得了与确定性常微分系统耗散性理论相对应的结论,最后的算例证明了该方法的有效性和可行性。     

基于核的K近邻法

将核学习方法的思想应用于K近邻法中,提出了一种核K近邻算法,算法的主要思想是:首先将原空间中待分类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K近邻分类.为了验证算法的有效性,分别利用人工和实际数据进行K近邻分类和核K近邻分类,实验结果显示对于一些特殊的类分布数据,核K近邻分类比K近邻分类具有更好的分类效果.