一种用于解决粒子滤波粒子退化现象的重要性重采样算法的研究

粒子滤波通过蒙特卡罗模拟来实现递推贝叶斯估计,在非线性非高斯系统中体现出良好的特性;但粒子滤波存在粒子退化现象的缺陷,针对这一问题,提出一种新的重采样算法,即分区重采样算法,其主要思想是根据多项式重采样与分层重采样算法的特点,把随机数区间划分成若干个区,每个区内的随机数任意排列,而区与区之间按升序排列。与目前常用的其他重采样算法相比,该方法提高了粒子滤波的平均性能,仿真实验验证了该算法的有效性和实用性。     

测控任务可靠性的近似零方差重要抽样仿真

评价航天测控方案中的测控任务可靠性需要高效的方法,解析法和直接仿真都不能满足该要求。在介绍测控任务模型及其可靠性直接仿真法的基础上,基于不交化最小割集设计了实现近似零方差重要抽样的方法,并给出不交化最小割集的获取算法。通过案例分析,得出不交化最小割集最大获取数量越大,仿真收敛性越好,但相应地耗时也越多的结论。因此,实际应用中,需要在不交化最小割集获取数量与仿真时间二者间进行权衡。     

基于流固耦合方法的柴油机排气管热机疲劳寿命研究

由于高功率大缸径柴油机的排气管处于高温、高压、强冲击的工作环境,承受复杂恶劣的热机载荷,使得疲劳失效问题日渐突出.为解决工程中的排气管疲劳失效故障,基于流固耦合仿真分析的方法,研究了多通排气管在热载荷、机械载荷和热机耦合载荷三种不同条件下的疲劳损伤机理以及低周疲劳寿命.结果表明,单纯交变热载荷不足以造成排气管低周疲劳失...     

A Bayesian approach for integrating multilevel priors and data for aerospace system reliability assessment

This paper investigates Bayesian methods for aerospace system reliability analysis using various sources of test data and expert knowledge at both subsystem and system levels. Four scenarios based on available information for the priors and test data of a system and/or subsystems are studied using specific Bayesian inference techniques. This paper proposes the Bayesian melding method for integrating subsystem-level priors with system-level priors for both system- and subsystem-level reliability analysis. System and subsystem reliability outcomes are compared under different scenarios. Computational challenges for posterior inferences using the sophisticated Bayesian melding method are addressed using Markov Chain Monte Carlo (MCMC) and adaptive Sampling Importance Re-sampling (SIR) methods. A case study with simulation results illustrates the applications of the proposed methods and provides insights for aerospace system reliability analysis using available multilevel information.     

A novel method for importance measure analysis in the presence of epistemic and aleatory uncertainties

For structural systems with both epistemic and aleatory uncertainties, research on quantifying the contribution of the epistemic and aleatory uncertainties to the failure probability of the systems is conducted. Based on the method of separating epistemic and aleatory uncertainties in a variable, the core idea of the research is firstly to establish a novel deterministic transition model for auxiliary variables, distribution parameters, random variables, failure probability, then to propose the improved importance sampling(IS) to solve the transition model. Furthermore,the distribution parameters and auxiliary variables are sampled simultaneously and independently;therefore, the inefficient sampling procedure with an ‘‘inner-loop' for epistemic uncertainty and an‘‘outer-loop' for aleatory uncertainty in traditional methods is avoided. Since the proposed method combines the fast convergence of the proper estimates and searches failure samples in the interesting regions with high efficiency, the proposed method is more efficient than traditional methods for the variance-based failure probability sensitivity measures in the presence of epistemic and aleatory uncertainties. Two numerical examples and one engineering example are introduced for demonstrating the efficiency and precision of the proposed method for structural systems with both epistemic and aleatory uncertainties.     

基于故障树与马尔科夫分析模型的发动机系统安全性评估

安全性评估是发动机适航验证的重要方法之一,故障树与马尔科夫分析方法是安全性评估常用的方法,两种方法在安全性评估的不同时机具有各自的特点。针对故障树与马尔科夫在安全性评估中的应用时机进行了深入的研究,分析结果表明：对于失效率为常数的顺序相关的系统,若部件是主动失效部件(即姿伊t较小),应用故障树与马尔科夫分析方法均可准确评估系统的失效概率,采用故障树可以减少运算的复杂性;若部件是潜在失效部件,由于部件暴露时间较长(即姿伊t较大),使用马尔科夫的分析方法可以更精确的评估系统的安全性。     

基于故障树与马尔科夫分析模型的发动机系统安全性评估

安全性评估是发动机适航验证的重要方法之一,故障树与马尔科夫分析方法是安全性评估常用的方法,两种方法在安全性评估的不同时机具有各自的特点。针对故障树与马尔科夫在安全性评估中的应用时机行了深入的研究,分析结果表明:对于失效率为常数的顺序相关的系统,若部件是主动失效部件(即λ×t较小),应用故障树与马尔科夫分析方法均可准确评估系统的失效概率,采用故障树可以减少运算的复杂性;若部件是潜在失效部件,由于部件暴露时间较长(即λ×t较大),使用马尔科夫的分析方法可以更精确的评估系统的安全性。     

空间索杆铰接式伸展臂故障树分析

结合空间索杆铰接式伸展臂的应用环境, 在分析空间索杆铰接式伸展臂组成和展开原理的基础上, 建立以伸展臂展开失效为顶事件的故障树, 分别对其进行定性及定量分析, 获得各底事件的失效概率、概率重要度和关键度结果, 确定引起伸展臂展开失效的主要因素. 结果表明驱动力不足、 角点滚轮卡死、精度失效是影响伸展臂正常展开的主要因素, 据此提出了相应的改进措施, 为空间索杆铰接式伸展臂的展开可靠性分析提供了依据.      

基于Bayes网络的多源信息融合方法在精度评定中的应用

提出了一种基于多源验前信息融合的Bayes精度评定方法。利用Bayes网络进行多源验前信息融合时,能够结合现场试验数据,对信息加权因子做出较为合理的推断。根据验前及验后数据,通过Bayes网络中的MC—MC方法可以快速地获取各变量的验后统计特性,达到估计现场试验精度的目的。因此,基于多源验前信息融合的Bayes方法可用于解决小样本下的精度评定问题,仿真结果表明了该方法的有效性。     

基于模糊层次分析法的航空人为因素问题重要性识别

针对现代航空中存在的沟通、压力、团队合作以及生理和心理方面的人为因素问题,采用模糊层次分析法对其重要性进行识别.结果显示,语音信息沟通、机组资源管理、书面信息沟通、空管班组资源管理、疲劳、情景意识、维修班组资源管理、过分自信和满足在现代航空人为因素问题中占有比较突出的地位.