dBASE／FoxBase与INFORMIX数据文件的转换方法

在计算机信息管理领域,数据库技术正在从低档数据库(如dBASE,FoxBase 等)向高档数据库(如ORACLE,INGRES,INFORMIX 等)过渡。需要解决的一个技术问题就是将耗费大量人力、物力、财力和时间录入低档库中的数据自动地转换成高档库能够存取的数据。文章给出了dBASE/FoxBase 与INFORMIX 数据库数据文件进行双向转换的一种通用方法。不失一般性,文中所述的方法完全可以推广到与其它高档库数据文件的转换。     

应用PB开发能源管理系统

提出了实际应用中的一种面向对象封装的几个数据库管理问题，并对其进行了分析。     

武器型号费用参数模型的数据处理

针对武器型号费用存在多重共线性及出现异常值的问题，讨论了武器型号费用参数模型的数据处理方法，采用岭回归法处理数据的多重共线性，采用库克距离测度法来识别异常值，并给出了应用实例。     

地形基准数据库建立技术的探讨

简要介绍了地形基准数据库在地形辅助导航系统（ＴＡＮ系统）中的重要作用，并且给出了地形基准数据库的基本概念和一般的建立方法。最后讨论了一种较为适用、技术可行且方法简便的地形基准数据库的建立技术及其数据库形式和精确度。     

以相对偏差平方和为指标函数的最小二乘法

就测量中最小二乘法用于静态模型估计的问题,分析了传统最小二乘法在某些实验条件下应用的不合理现象,提出以相对偏差平方和为指标函数的最小二乘法。简记LSR法。给出了该方法的实用公式,分析了数学特征并证明在所给实验条件下具有无偏性、一致性,有效性.给出了用该方法拟合电位差计静态特性方程的例子。证明该方法在测量工作中是有实际意义的。     

A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.     

基于分层传递系统模型的航天器故障诊断方法

 针对传统的传递系统模型在航天器自主诊断系统中只能表示单一粒度诊断知识,知识表示的完备性差,导致诊断结果的分辨率不高,且诊断系统执行效率低的问题,提出了分层传递系统模型和诊断方法。为了保证不同粒度诊断知识的完备性表示,将系统模型按不同粒度和结构关系进行分层。通过自顶向下的递归搜索,先监测系统异常,再匹配故障类型,逐层缩小搜索空间,最终找出故障候选集和故障的层次关系。同时为了减小计算规模,在诊断过程中引入了分离策略,降低实时诊断计算量。应用该方法建立了某卫星测控分系统模型并进行故障仿真,结果表明该方法可以增加模型知识表示的完备性,并能有效提高诊断效率和结果的分辨率。     

一种正交跳频信号动态分选方法

针对复杂电磁环境下正交跳频信号分选时效不高问题,提出了一种正交跳频信号动态分选方法。首先基于滑动窗口的数据流模型,采用构造型神经网络对跳频信号频域数据和方位信息动态聚类,减轻噪声等因素影响,解决方位信息和幅度关联模糊性的问题;再在相应的覆盖簇内运用时频关联方法,实现正交跳频信号的动态分选,实验结果表明该方法是有效的。
     

基于增广观测器的非线性系统执行器故障诊断

针对一类满足李普希茨条件的非线性系统,提出了一种新的执行器故障诊断方法。将执行器故障作为增广状态向量的一部分构造一个增广系统,然后利用线性矩阵不等式方法设计一个增广状态观测器,能够同时获得原系统的状态和执行器故障的渐近估计。利用李亚普诺夫理论分析了增广状态观测器的稳定性和收敛性。最后,将所提出的方法用于卫星姿态控制系统执行器的故障诊断,仿真结果验证了该方法的有效性。     

运载火箭远程故障诊断技术综述

介绍运载火箭领域故障诊断技术的发展和各种方法的特点,将诊断技术按照基于阈值的判别机制、基于知识库的专家系统诊断方法、基于模型的故障诊断方法、基于自学习的推理机制、基于信息融合的故障诊断方法以及自主诊断技术六大类进行分析,同时介绍美国、日本以及中国新一代运载火箭(NGLV)在故障诊断上所取得的最新进展。在此基础上,针对远程发射支持系统(LSS)的特点,提出该领域故障诊断技术的发展方向。