基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

航空发动机健康评估变精度粗糙集决策方法

针对航空发动机健康评估过程中存在的多工况、非线性和小子样问题,提出了一种基于相似性度量的发动机健康评估的变精度粗集决策方法.首先给出了变精度粗糙集中正确分类率的确定原则和方法,提取了决策规则;其次,提出了基于交叉信息熵的属性相对重要度计算方法,并给出了属性的客观权重,结合专家经验和运行工况形成了属性的综合权重;最后,提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与约简后的决策系统中所有对象的相似程度,给出决策结果,完成对发动机的健康评估.实例表明,在结合专家经验和运行环境对评估结果进行修正后,该方法对发动机的健康评估更贴近实际,方法具有一定的普适性.      

无人机航路与传感器联合控制优化算法研究

对无人机航路与传感器联合控制优化算法基本原理及研究情况进行了初步分析,主要利用交叉熵、粒子群优化、模型预测控制等三种方法构建了针对无人机航路与传感器联合控制优化问题的求解算法,力图为解决该问题提供一些新的方法或思路。     

脉冲耦合神经网络在图像分割中的应用研究

系统研究了脉冲耦合神经网络在图像分割中的应用。首先研究了标准PCNN和简化的PCNN模型在图像分割中的应用,对分割结果进行了比较分析,结果表明,两种PCNN模型都能得到较好的分割结果。其次研究了最大熵、最小交叉熵和区域特征一致性准则在PCNN最优分割结果确定中的应用。最后探讨了PCNN参数变化对图像分割结果的影响,并给出了仿真试验结果。