神经网络BP算法预测可靠性增长

叙述可靠性增长的基本概念和神经网络BP算法,着重探讨BP算法用于可靠性增长预测的可能性。通过两个实例的预测结果,与常用的可靠性增长参数模型Duane,Gompertz的结果相比较。实例表明,该方法是可行的,而且是有效的,适应性强。可以预料,它不但能用于仪器设备试制过程中预测可靠性增长,而且可用于武器装备在储存过程之中可靠性下降的预估。     

微小空间碎片与原子氧协同效应研究

利用等离子体驱动微小碎片加速器和潘宁源的原子氧模拟装置在中国首次开展了微小碎片撞击与原子氧协同作用对Kapton膜和镀铝Kapton膜的侵蚀效应研究. 实验结果表明, 碎片撞击能明显加剧原子氧对Kapton和镀铝Kapton膜的侵蚀效应, 对航天器的寿命及可靠性构成威胁, 制约中国长寿命高可靠性航天器的发展.      

基于RCMAC网络的动态逆再入制导方法研究

针对升力式再入飞行器的制导问题,首先利用准平衡滑翔原理给出标准的阻力加速度．速度剖面,并对阻力加速度跟踪制导原理进行分析,然后利用自回归小脑模型神经网络（RCMAC）网络良好的非线性逼近能力、泛化能力和自学习能力,采用基于RCMAC网络的动态逆方法实现对阻力加速度的跟踪,并证明闭环系统的稳定性．三自由度仿真结果表明,该制导方式降低了动态逆方法对模型的依赖,增强了制导系统的鲁棒性．     

天宫一号目标飞行器GNC分系统容错策略设计

天宫一号目标飞行器是中国研制的新一代专门用于交会对接的大型载人航天器.为保证其长期在轨安全可靠运行,顺利完成与载人飞船的交会对接任务,以及单体飞行和组合体飞行期间的姿态和轨道控制任务,要求GNC分系统设计充分的容错策略.对GNC分系统软硬件平台进行介绍,对敏感器、执行机构以及控制器的软硬件容错策略进行详述.该策略在实际应用中得到验证,结果表明设计合理,可以有效提高GNC分系统的系统性能和可靠性.     

多拦截器总体拦截方案设计与分析

多拦截器(MKV,Multiple Kill Vehicle Interceptor)通过采用一个运载母仓携带多个小型动能拦截器对目标实施动能拦截,有望克服传统动能拦截武器多目标识别及拦截的难题.以MKV对远程弹道导弹多弹头中段拦截为背景,设计了MKV的总体方案,分析了MKV基本作战流程;并分别针对MKV制导策略、释放策略、MKV机动能力对拦截的影响以及MKV目标分配策略等几个关键问题开展研究.仿真分析表明,采用所设计的MKV方案能够实现对远程弹道导弹多弹头的拦截.     

对地观测多载荷任务规划的建模与算法

研究了空间对地观测中配备多个有效载荷时的观测任务规划问题。首先建立了该问题的组合优化数学模型,优化指标考虑了科学和经济利益的最大化和各项资源约束;然后应用遗传算法对该问题进行了求解,并与贪婪算法结果进行比较;最后,验证了模型的有效性和算法的优越性。     

基于在线轨迹规划的混合再入制导方法(英文)

针对在线轨迹规划与跟踪,提出了一种混合再入制导方法。该方法将基于航路点的分段轨迹规划与轨迹跟踪制导有效地结合起来。首先给出再入飞行器无量纲运动方程,建立制导坐标系(GCF),并推导了新坐标系下的经纬度表达式。并将再入飞行过程中各种飞行约束条件转换为控制变量约束。为了加快轨迹优化速度,设计了初始再入飞行轨迹和相关航路点,给出了基于航路点信息的分段轨迹在线规划方法。纵向飞行轨迹跟踪采用基于线性二次型调节器(LQR)的方法,横侧向制导采用横向误差走廊的方法进行控制。仿真结果显示,该方法在线轨迹规划平均计算时间小于0.2秒,且具有较高的制导精度。     

基于模糊神经网络的导弹最优寻的末制导律

提出了一种适用于一类末制导段采用推力矢量控制的新型导弹的模糊神经网络最优寻的末制导律.在制导律设计时不仅要求导弹能量最省,脱靶量最小,同时考虑了推力矢量控制的非线性特点,并且为改善该神经网络系统的学习效果,在学习算法中还引入模糊学习规则.数字仿真表明所提出的模糊神经网络制导律对于机动目标具有较好的攻击能力.     

导弹中制导末段的最优搜索

研究超视距导弹中制导末段利用导弹的剩余动力,自动搜索活动目标,使目标捕捉概率达到最大的最优搜索问题.给出了活动目标的位置概率分布;提出了基于活动目标位置概率分布的导弹搜索航线的规划方法;拟订了搜索系统的组成方案并对系统进行了设计;对该系统进行了仿真,验证它的活动目标的捕捉概率.     

A compositional method to model dependent failure behavior based on PoF models

In this paper, a new method is developed to model dependent failure behavior among failure mechanisms. Unlike the existing methods, the developed method models the root cause of the dependency explicitly, so that a deterministic model, rather than a probabilistic one, can be established. Three steps comprise the developed method. First, physics-of-failure(PoF) models are utilized to model each failure mechanism. Then, interactions among failure mechanisms are modeled as a combination of three basic relations, competition, superposition and coupling. This is the reason why the method is referred to as ‘‘compositional method". Finally, the PoF models and the interaction model are combined to develop a deterministic model of the dependent failure behavior. As a demonstration, the method is applied on an actual spool and the developed failure behavior model is validated by a wear test. The result demonstrates that the compositional method is an effective way to model dependent failure behavior.