机载导弹电路多级信息融合技术的故障诊断

本文建构了多级信息融合技术故障诊断的框架 ,分析了该技术进行故障诊断的原理 ,并结合某型机载导弹电路说明该技术在故障诊断中的应用 ,得到了较为理想的结果。     

取大取小算法问题讨论

取大取小算法是模糊数学中的一个重要的方法之一 ,在工程应用中得到了广泛的应用。但有人提出了“在模糊综合评判时 ,取大取小算法是一个错误算法”的论点。本文首先通过对模糊综合评判的评价函数所作的理论分析并辅以实例说明了取大取小算法是模糊综合评判的一个可取的算法 ,作者还从广义合成运算的模糊综合评判的角度 ,论述了取大取小算法的正确性 ,与上述论点进行商榷。同时作者也对取大取小算法在某些情况下出现失效的现象进行了讨论 ,并提出了改进的措施。作者认为不能因取大取小算法在特定情形下的失效就全盘否定其理论上的正确性和工程上的可用性。     

求解奇异最优问题的控制变量转移法

形如integral from t_0 to t_fx~T(Qxdt)二次型性能指标的最优化问题,是一类较为常见的奇异控制问题。本文就这类奇异控制提出一种新的求解方法,利用正交变换进行控制变量转移,将系统原控制向量置于重新构造的哈密顿函数H之外,选择状态变量中的一部分作为系统新的控制向量,且该新的控制向量与H不再呈线性关系,于是可以运用一般的求解非奇异最优控制问题的极大值原理来求解奇异最优控制和奇异最优轨线。本文提出的求解方法较为简便,所得结果与其他方法所得结果完全一致。     

李雅普诺夫方程AX-XB=C的误差界

本文对李雅普诺夫方程AX-XB=C及(A+δA)(X+δX)-(X+δX)(B+δB)=C+δC的解X及X+δX给出了相对误差‖δx‖/‖X‖的一个上界。     

双曲型守恒律方程的一个大时间步长二阶TVD差分格式

本文根据Harten,A.的大时间步长差分分格式构造思想,为双曲型守恒律方程弱解计算构造了一个2K 3点大时间步长二阶显式差分格式——LTS-LF格式,得到了其在CFL限制K下为总变差不增差分格式(TVD格式)。文章按照Roe的方法推广格式到方程组情形,并就Burger’s方程和Euler方程组黎曼问题进行数值试验,结果令人满意。     

边界条件对双三次插值样条的影响

本文对非均匀双三次Ⅰ型插值样条的研究,得出了由Ⅰ型边界值所控制的在网格结点上的一阶偏导数和二阶混合偏导数的估计式。比较文[4]发现,文[4]中所得出的均匀双三次插值样条的结论有误,本文一并提出进行商讨。     

对称带状矩阵的并行Cholesky分解及相应线性方程组的并行计算

大型结构问题所导出的方程组系数矩阵阶数往往非常浩大,传统的串行计算机受存储容量与计算速度限制往往难以处理。本文给出适合寄存器—寄存器加工方式流水线向量机上对称带状矩阵三角分解的并行算法MPLDLT和对称带状线性方程组求解的并行算法MCSA。在YH—1机上通过对实例的计算表明,算法是高效的。当矩阵的阶数仅力1666阶时,算法MPLDLT比相应串行算法计算速度快25倍,算法MCSA比相应串行算法计算速度快47倍。若结合YH—1机的特点,使用向量“链接”技巧,则算法MPLDLT比相应串行算法的计算速度快74倍。     

基于ICT分布的容迟网络接触模型

在容迟网络中,掌握节点之间的接触间隔时间(ICT)的特性,能够为网络性能分析、路由协议设计以及算法优化等研究提供理论指导和帮助,但目前的ICT模型往往缺乏普适性.通过对节点运动做出一般性假设,基于可靠性数学方法,给出了一个基于ICT分布的接触模型——IDCM.该模型证明了两个移动节点之间的ICT服从指数分布,且指数分布的参数仅与两个节点的历史接触次数和累积ICT有关.在随机方向(RD)移动模型、随机路点(RWP)移动模型、北京市出租车网络、口袋交换网4个数据集上进行了仿真验证,并与基于统计拟合参数的指数分布模型进行对比.仿真实验结果表明,IDCM能够准确反映节点对之间的接触间隔时间分布,且模型准确性优于基于统计拟合参数的指数分布模型.      

某型发动机滑油系统的稳态压力计算

对某型发动机滑油系统建立稳态压力数学模型,算例表明,建模方案是可行的,数值处理是合理的,为滑油系统状态监控和故障诊断系统提供参考依据。     

基于模糊权重的轴承品质实现可靠性研究

以模糊数学理论为基础,提出了轴承品质影响因素权重确定的方法。对原始的轴承品质实现可靠性模型进行修正,提出了改进的轴承品质实现可靠性模型,并基于最大熵原理对轴承品质实现可靠性的真值及真值区间进行估计。以30306和30204圆锥滚子轴承为对象进行试验研究,发现原始的可靠性模型计算结果相对于试验结果的偏差为20%~35%,改进的可靠性模型计算结果相对与试验结果的偏差为12%~14%,偏差降低了8%~21%,可见改进的可靠性模型比原始的可靠性模型更准确。