软件可靠性预计方法研究及实现

软件可靠性评估可以估计和预计软件可靠性水平.为了解决软件可靠性预计过程中存在的问题,提出了一种软件可靠性预计方法.该方法通过分析和改进模型的预计质量来选择模型进行预计,对模型预计质量的分析使用了U图、Y图和对数PLR图,再标定法和组合法被用于改进模型的预计质量.在该方法的基础上开发了软件可靠性分析工具,此工具可以进行多种软件可靠性模型的原始预计、预计质量分析和改进原始模型的预计质量.     

空间目标一维距离像重构的线性规划方法

高分辨一维距离像是空间目标故障诊断与识别的重要手段。针对典型的空间目标 ,文章采用稀疏成份分析法研究了一维距离像的超分辨重构和特征提取问题。将处理实信号的基寻踪方法推广到复信号 ,并利用约束最小二乘解提出了一种次优的距离像重构算法 ,实现了空间目标散射中心的有效分离。数值结果验证了其合理性和有效性。     

基于动态RCS的无人机航迹实时规划

传统的无人机航迹规划主要采用仅考虑无人机与雷达距离的简化雷达威胁模型,未充分考虑无人机雷达散射截面RCS(Radar Cross-Section)随自身姿态角改变而产生的动态变化.据此,提出了无人机周向动态RCS模型,并建立了综合考虑无人机动态RCS与雷达距离的探测概率模型,利用遗传算法进行了基于动态RCS的航迹实时规划,计算结果与传统航迹规划结果进行了对比.仿真结果表明该模型的可行性和有效性,能充分利用无人机自身的优势规避威胁,满足无人机的航迹实时规划的要求.      

月球精确软着陆最优标称轨迹在轨制导方法

为实现在月球表面期望的着陆点进行精确软着陆（PPL）,且满足燃耗最优性要求,基于提出的LIDAR目标点在轨自主选定的月球精确软着陆方案,对月球PPL最优标称轨迹在轨快速规划制导方法进行研究。首先针对月球PPL三维球体非线性轨道动力学模型,采用Legendre Gauss Lobatto伪光谱方法将轨迹优化的最优控制问题转化为非线性规划问题（NLP）,再利用SQP优化算法求解月球PPL最优标称轨迹,最后通过遗传算法对优化结果进行验证,并提出应用遗传算法提供SQP在轨规划初值数据库的方案。仿真结果表明了最优标称轨迹在轨规划方法的快速性和有效性。     

基于序列二次规划的推力矢量控制分配方法

  针对使用推力矢量控制的航天器,建立了游动发动机的数学模型,在分析了游动发动机摆角约束的基础上,提出了推力矢量控制分配问题。将该控制分配问题转化成以力矩误差最小和对变轨推力影响最小作为优化目标的多目标优化问题,引入序列二次规划进行求解,得到一种新的控制分配方法。仿真结果表明,该方法能够准确实现期望目标,验证了所提出的控制分配方法的可行性和有效性。     

广义多圈Lambert算法求解多脉冲最优交会问题

基于一种高效高精度的Battin多圈Lambert算法提出一种考虑轨道摄动的广义多圈Lambert算法.与现有算法相比,本算法虽然原理复杂但计算流程非常简单,效率极高,分别通过几次内外循环就可满足精度要求.广义多圈Lambert算法结合一种可行解迭代交会模型构成了一个通用的多圈多脉冲交会规划框架,应用两步法求解此多变量的复杂工程优化问题,首先利用高效率的进化全局优化算法以及解析轨道模型作全局搜索,然后利用序列二次规划算法以及简化高精度轨道计算模型作局部搜索,此方法可以保证高效高精度的求解多圈多脉冲交会问题.算例表明此方法特别适用于满足实际工程约束的交会规划问题.     

300 MVA脉冲发电机组滑差方式起动过程研究

介绍了300 MVA脉冲发电机组的滑差装置。对机组采取滑差方式的起动过程进行了分析和等效建模。根据机组实际起动过程电气波形,利用非线性规划模型,建立了滑差装置液体电阻等效仿真模型,并代入机组参数对起动过程进行仿真,仿真结果和实际波形吻合,验证了模型的正确性。在此基础上,为了使机组的转速达到额定转速,提出在滑差装置液体电阻低位时并入两级固体金属电阻后短接的方案,给出了两级固体金属电阻的阻值等理论参数,并通过仿真验证了方案的可行性。建立的仿真模型可以作为研究不同参数、不同控制策略下的机组起动过程动态特性的重要工具。     

计算涡扇发动机风车起动特性的辨识模型

针对高空风车条件下涡扇发动机起动性能估算问题, 提出了运用约简遗传规划算法进行模型结构自动选择的思路, 对基于约简遗传规划的风车起动模型进行了研究.以某型涡扇发动机为例, 运用该算法对给定条件下该型发动机的风车起动过程进行了建模仿真, 得到了起动过程的估算结果.将估算结果与试验数据对比, 验证了方法的正确性、可行性.      

基于L1范数的k平面聚类算法设计

基于L2范数度量的k平面聚类(k-Plane Clustering,k PC)设计思想,本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中,所导出的优化问题是非凸的,文中给出了一种求解方法,即将非凸问题转化为有限个子集上的凸问题,为避免求解多个优化问题导致训练时间过长问题,本文还设计了一种新的优选策略,有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划,而不再是k PC的求解特征值问题。在人工和UCI数据集上的实验结果表明:基于L1范数平面聚类算法的训练和测试时间更短,且在大多数数据集上均表现出了更好的聚类性能。