目前, 针对金属目标的散射中心模型的研究已相对成熟, 但是对带有薄涂覆结构的复杂目标散射中心模型的研究较少。通过研究发现, 薄涂覆引入的影响主要体现为对散射场幅度的衰减作用。因此, 提出通过对薄涂覆对电磁波的衰减作用建模, 并在金属目标散射中心模型的基础上增加该衰减项, 以实现对薄涂覆目标的散射中心建模。该建模方法避免了直接对复杂目标整体散射进行数学建模和参数估计, 散射模型的物理意义更明确、形式更简洁。经弹头和飞机目标的全波法结果验证, 所建立的薄涂覆目标散射中心模型在雷达散射截面起伏、成像特征的仿真中均具有较高的精度。
全球定位系统三代首星观测结果显示其星座图具有非恒包络特性, 目前国内对非恒包络信号的研究较少, 其优势未被充分利用在卫星导航信号设计中。为研究非恒包络信号经过通道失真后的性能, 仿真生成恒包络信号和非恒包络信号, 构建传输通道相位失真模型, 将仿真信号通过失真模型后进行信号质量评估分析, 并给出实测信号结果, 以进行验证。研究结果表明，在相位失真的影响下, 非恒包络信号的测距性能优于恒包络信号。
为了提升图像去雾效果, 提出了基于天空区域分割的透射率合成图像去雾算法, 通过雾霾图像构造的概率分布函数, 结合迭代阈值分割及天空区域的暗、亮通道以及最大连通性确定出粗分割阈值。利用引导滤波加强天空与非天空区域像素灰度的差异性，实现了精准分割。利用对数自适应变换估计了天空区域透射率, 利用改进的暗通道先验算法估计了非天空区域透射率, 通过合成对应像素的透射率实现了图像的去雾。实验结果表明, 相比其他去雾算法, 所提算法在各客观指标上均有所提高, 对天空与非天空区域分割准确, 去雾图像整体视觉效果良好。
常见的建筑物提取算法主要采用全监督的方式实现, 得到的模型通常在训练数据集上表现良好, 而在跨区域使用时效果不佳。基于生成对抗网络的域自适应方法虽然在一定程度上能够增强网络的迁移能力, 但由于缺乏目标域关键信息, 效果难以保证。设计了一种全新的端到端弱监督建筑物提取网络。首先, 采用像素关联模块来提升生成网络的性能; 然后, 在此基础上综合运用域自适应和图像级弱标签两种策略来优化训练过程, 从而大幅提升了网络模型的泛化扩展性能。采用3组数据对所提方法的有效性进行了验证，通过大量实验证明了所提方法可以有效提升建筑物提取的性能。同时，通过消融实验验证了网络中各个模块的有效性。
针对在减少战场资源浪费、平衡战场效费比的同时提高目标探测概率, 保证目标的可持续跟踪, 提出利用改进Actor-Critic算法的多传感器交叉提示技术进行目标探测。首先, 综合传感器探测、能耗、时效等因素搭建基于“交叉提示”传感器的动态管理评估模型; 其次, 重点分析利用Actor-Critic交叉提示算法的传感器管理决策规则, 并且提出了Actor-Critic算法，以根据任务自身需求组建中央评价网络, 加大传感器与外部环境的交互。仿真结果表明，改进的算法可以加速网络收益, 实现对目标的持续性探测, 加强传感器之间的交叉提示功能, 提升调度的智能化水平, 具有较大的应用价值。
针对通道严重失配情况下, (加权)最小二乘法的频域均衡性能恶化和均匀子带分解的频域均衡占用过多硬件资源的问题, 提出一种根据均衡滤波器的幅频特性非均匀划分频带实现均衡的方法。首先, 根据幅度改善因子的大小来调整幅度划分的区间; 然后, 合并频点数小于滤波器阶数的相邻幅度区间, 并求出对应的频带; 最后, 在非均匀划分的频带上实现信号的滤波补偿、合成。仿真结果表明, 在通道严重失配情况下, 相比均匀子带划分频域均衡方法, 所提方法在幅度和相位改善因子上分别提高了8.68 dB和8.58 dB, 在滤波器组数和阶数上分别降低了6组和8阶, 可以提高子带频域均衡算法的硬件可实现性, 改善宽带数字阵列雷达中脉冲压缩和数字波束形成的性能, 增强雷达探测能力。
针对特征空间中各类海面目标特征混叠严重和高分辨距离像(high resolution range profile, HRRP)的角度特征利用率低的问题, 提出了一种基于角域特征粒子群优化(particle swarm optimization, PSO)的海面目标HRRP识别方法。该方法引入HRRP的角度信息优化特征空间, 增加特征空间的整体可分性; 利用自适应分帧算法对特征空间进行角域划分, 增加特征空间的局部可分性, 并利用PSO算法确定特征空间角域划分时最优的单帧最小样本数目, 增强方法的鲁棒性与适用性。实验结果表明, 通过将特征空间优化和区域划分进行结合, 可以有效提升多类海面目标的分类识别性能, PSO算法可以有效增强方法的抗误差性和抗噪鲁棒性。
调频连续波(frequency modulated continuous wave, FMCW)合成孔径雷达(synthetic aperture radar, SAR)具有隐蔽性好、成像分辨率高等显著优点, 其被广泛应用于军事目标侦察与打击中, 如何施加快速有效干扰成为了现今研究的重要问题。提出了一种基于时频交叉乘积的FMCW SAR干扰方法, 通过截获信号与干扰图像模板进行调制, 生成干扰信号, 同时在处理FMCW SAR截获信号的过程中采用去斜处理, 使得处理过程中信号采样率大幅降低。所得方法实现了逼真虚假场景生成, 减小了干扰机调制过程中的运算复杂度, 降低了硬件压力, 具有工程可行性。
考虑利用两部两坐标外源雷达对高度近似恒定的目标进行三维跟踪。结合外源雷达自身的特点, 提出了一种将目标高度与水平状态(水平位置、速度等)进行解耦估计的方法, 通过两个并行估计器来实现对三维目标的跟踪。在高度估计器中, 将目标高度区间划分为多个高度子区间, 然后利用量测值递推计算目标在各个高度子区间的权重, 最后通过加权融合各个高度子区间的方式估计目标高度; 在水平面的状态估计器中, 进一步考虑了目标在水平面机动的场景, 利用交互式多模型扩展卡尔曼滤波器, 并结合目标高度的估计值, 更新目标的水平状态。仿真与实验结果显示, 利用两部两坐标外源雷达可以实现对高度近似恒定目标的精确三维跟踪, 为水平机动的目标提供精度在200 m以内的高度估计, 并消除了二维跟踪情况下因未考虑目标高度而引起的误差。
为避免二相编码脉冲多普勒(pulse Doppler, PD)雷达的速度以及距离模糊, 采用高脉冲重复频率工作(high pulse repetition frequency, HPRF)模式, 并在多个脉冲间采用互相关峰值较低的二相编码信号, 在接收端对多个发射脉冲间的回波信号进行数据重排, 然后进行脉冲压缩、动目标检测, 最终得到的峰值可无模糊体现目标的速度和距离。为减小PD雷达的工作盲区, 采用了小的发射脉冲时间宽度, 即二相编码信号的码片长度; 为避免PD雷达的发射脉冲遮挡, 采用两种HPRF发射正交二相编码脉冲信号。仿真结果验证了所提方法的有效性和可行性。
机载宽带雷达具有更高的距离分辨率, 有利于目标成像或识别。但是，提高分辨率也使目标信号和杂波信号在脉冲间和(或)阵元间距离走动量增加。若采用窄带空时自适应处理方法, 则会导致输出信杂噪比严重下降。针对上述问题, 提出了一种数据重组空时自适应处理方法。首先, 针对待检测速度-角度重组回波数据, 使不同脉冲及阵元的目标信号包络对齐; 然后, 进行距离维数据重组空时处理, 并将输出信号作为检验统计量; 最后, 给出目标角度和速度搜索方法。所提方法降低了相干积累后的目标能量损失，提高了目标检测和杂波抑制性能。仿真实验验证了所提方法的有效性。
针对软件化雷达复杂调制波形高效灵活产生的问题, 以相干处理间隔为更新周期将复杂调制脉冲串抽象描述为波形矩阵, 提出一种调选分离的雷达波形产生方式, 降低了上位机的计算量以及到硬件的传输延迟。在此基础上, 设计了一种基于现场可编程门阵列(field programmble gate array, FPGA)的雷达波形通用调制引擎, 可实现波形产生与波形样式解耦、波形优化/选用与波形产生解耦。基于商用现货(commercial off-the-shelf, COTS)的系统测试表明, 通用调制引擎可灵活支持脉内任意调制、脉间波形捷变以及初相、频偏、幅度、重复间隔等脉间参数调制, 为软件化雷达波形产生与灵活运用提供设计参考。
抗分选信号是射频隐身信号的一个重要方向, 其基础是抗分选信号设计原理, 其设计的本质是雷达信号分选算法的失效原理。序列差值直方图(sequential difference histogram, SDIF)算法是工程上广泛使用的一种核心分选算法。本文详细分析了SDIF算法, 指出其门限函数会在信号脉冲重复间隔(pulse repetition interval, PRI)值服从长度为PRI最小间隔20倍以上的区间分布时失效, 并通过公式推导进行了证明。信号仿真、分选系统实验及信号对比实验进一步验证了SDIF门限失效原理的正确性，为射频隐身抗分选信号设计提供了理论支撑, 可以提高射频隐身抗分选信号的设计效率。
为提升无人机在复杂空战场景中的存活率, 基于公开无人机空战博弈仿真平台, 使用强化学习方法生成机动策略, 以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础, 提出单元状态序列(unit state sequence, USS), 并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征, 增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明, 智能体在面对采用标准比例导引算法的导弹攻击时, 取得了98%的规避导弹存活率, 使无人机在多发导弹同时攻击的复杂场景中, 也能够取得88%的存活率, 对比传统的简单机动模式, 无人机的存活率大幅提高。
针对固定翼飞行器在可达区域内最佳应急着陆场选择问题, 通过构建普适性的指标体系，将上述问题转化为多属性评价问题, 并提出一种熵权灰色理想解逼近(technique for order preference by similarity to an ideal solution, TOPSIS)法对问题加以解决。从天气情况、着陆场特性、空域拥堵程度和地面保障能力4个方面进行分析, 细化为13个评价指标, 构建了应急着陆场评价指标体系。在传统TOPSIS的基础上, 分别使用熵权法和灰色关联度对权重计算和距离测度进行改进, 解决了传统方法依赖评价专家的主观赋权和采用欧式距离导致的无法评判优劣的问题。通过仿真对比, 体现了所提方法在权重确定方面的客观性和距离测度方面的准确性, 能够为飞行器应急着陆场的选择提供依据。
针对机场延误预测过程中难以提取延误传播时空特征、预测结果受天气扰动大的问题, 提出了基于气象因素的时空图卷积网络(meteorology-based spatio-temporal graph convolutional networks, MSTGCN)机场延误预测模型。该模型使用图卷积神经网络(graph convolutional neural network, GCNN)与门控卷积神经网络(gated convolutional neural network, Gated CNN)挖掘机场延误的时空特征, 同时加入气象特征提取模块对机场延误时间进行预测。实验结果表明, 该模型在中短时预测上的表现均优于其他对比模型; 相较于不考虑气象因素的模型, MSTGCN对未来1 h、4 h和12 h预测的平均绝对误差分别降低了7.03%, 7.93%, 11.54%, 对预测结果起到了极大的修正作用。
针对当前作战体系节点重要度评估存在的节点功能异质性及多样性刻画、体系模型动态性构建、体系作战能力计算等研究不够充分的问题, 建立了面向动态作战体系的杀伤网能力模型, 提出了杀伤网能力动态计算模型方法和搜索算法。考虑杀伤链的数量和质量, 提出了杀伤网能力指数和基于杀伤网能力指数贡献率的节点重要度评估模型。在仿真模拟实验中, 对比了不同时空状态下, 按杀伤网能力指数、度中心性等7种攻击方式对网络进行打击后的杀伤网能力指数的下降程度。仿真结果显示，所提方法明显优于其他基准方法, 验证了所提算法的合理性。
为了更加科学、精准地评估指挥控制人员的空战控制能力, 采用眼动追踪技术, 基于眼动、时间、准确率等指标建立了量化评估模型, 并利用熵权-逼近理想解排序(technique for order preference by similarity to an ideal solution, TOPSIS)法对空战控制能力进行了综合评估。该模型以眼动指标作为重要评估依据, 将客观赋权的熵权法与多属性决策TOPSIS法相结合, 解决了传统评估方式受主观影响较大的问题, 并结合实例分析验证了其有效性和可行性, 为今后指挥控制人员的训练评估提供了合理的手段。
真实动态博弈场景下对抗双方存在信息不对等、工作机理和规则不相同等特征, 但现有的强化学习算法通过假设状态可观测或部分可观测来采用近似模型拟合。因此, 在难以准确获取或者无法获取对方状态信息时, 假设条件难以成立, 导致现有强化学习模型无法直接适用。针对这个问题, 提出一种基于非对称不可观测强化学习新框架, 在该框架下, 智能体仅根据价值反馈即可实现在线学习。为验证可行性和通用性, 将3种典型强化学习算法移植到该算法框架, 搭建了博弈对抗模型, 进行对比验证。结果表明, 3种算法都可成功应用于不可观测状态的动态博弈环境, 且收敛速度大幅提高, 证明了该框架的可行性和通用性。
为解决概率语言环境下评价信息提取不合理、由学识差异导致决策不够科学高效、传统排序方法区分度不足等问题, 提出一种基于累积前景理论和学识评级的改进的概率语言多准则妥协解(probabilistic linguistic vlsekriterijumska optimizacija I kompromisno resenje, PL-VIKOR)群决策方法。首先, 基于累积前景理论将概率语言的术语值和概率值融合为综合值; 其次, 结合主观自我评估与客观社会评级, 确定综合权重, 以最大化专业贡献度; 然后, 建立以综合权重为调节依据的修正公式快速实现群体共识; 而后, 通过引入夹角余弦值提升了VIKOR方法的性能; 最后, 通过抽水储能项目的选址应用及对比分析, 验证了所提方法的有效性和合理性。
激光测距通过测量激光往返目标的单光子飞行时间与时钟之差来计算目标的距离，针对该技术目前已经有比较成熟的研究成果，因而激光测距技术在地面、地卫、地月测距上均有应用。量子纠缠光子对测距通过对一个在卫星与目标之间往返的纠缠光子与另一个纠缠光子之间的符合计数，经过数据拟合获得往返目标的飞行时间差。由于纠缠光子对是同时产生，所获得的测距结果从原理上就比包括激光测距在内的所有测距方法要高。目前, 针对量子纠缠光子对测距已进行了十几年的理论研究，但实际应用才刚刚开始。主要对激光测距与量子纠缠光子对测距的原理、系统结构、设备与装置及其关键技术进行综述，同时对激光雷达和量子雷达以及与测距相关的研究进行了综述，分析了它们各自的特点，对比了其中的相似之处与不同之处，为量子纠缠光子对测距及定位导航提供了理论依据，并在此基础上对未来量子测距及定位导航领域的发展进行了展望。
针对由天线罩误差引起的寄生回路影响制导系统稳定性的问题，提出了基于状态空间简化模型的天线罩寄生回路稳定性分析方法。为了准确分析天线罩误差特性对制导系统稳定性的影响，首先建立包含天线罩误差特性的导引头部件级模型，并采用低阶等效系统拟配方法建立导引头简化模型。该简化模型能够准确表征导引头的工作特性, 并有效降低了制导回路状态空间简化模型的阶数；在此基础上，采用小扰动线性化方法建立制导/控制/弹体多回路线性时不变(linear time invariant, LTI)简化模型，并与导引头低阶等效模型结合，建立了包含天线罩误差斜率参数的制导回路, 以简化模型状态空间描述形式。基于以上引入天线罩误差特性的制导回路状态空间模型，采用根轨迹方法分析确定了天线罩误差斜率的稳定域，分析了不同的天线罩误差斜率对制导系统稳定性的影响规律。最后，基于制导回路非线性模型进行仿真验证，仿真结果验证了基于简化模型的天线罩寄生回路稳定性分析方法的正确性。
针对分布式卫星集群博弈任务中的分配不均衡问题，提出了一种基于偏好联盟博弈(hedonic coalition game，HCG)的任务分配方法。首先，在考虑燃料和时间最优的卫星集群任务分配模型的基础上，引入对敌毁伤概率以适应集群博弈背景；其次，为保证分配结果的均衡性，引入HCG设计个体联盟特征函数；最后，考虑卫量集群的一对多作战分配方式难以保证局部兵力优势，在一致性拍卖算法(consensus based auction algorithm，CBAA)结构上拓展性地提出了一种多对一任务分配算法。仿真结果表明，该算法在全局效益接近经典集中式算法全局效益98%的前提下，时间约为经典算法的70%，且该算法具有一定的问题规模拓展性。
针对全球定位系统(global positioning system, GPS)信号易缺失且在战时难以保证可靠性的实际情况, 为实现车载武器系统快速发射和自主对准的要求, 提出了一种里程计辅助的车载捷联惯性导航系统(strapdown inertial navigation system, SINS)行进间对准算法。该算法推导了一种载体坐标系下的系统量测方程, 相比现有的导航坐标系下的量测方程, 具有更好的性能; 同时, 为保证对准算法的鲁棒性, 设计了一种里程计两级故障检测隔离方案, 可有效对里程计故障信息进行检测, 并自适应地给出相应的应对策略, 实现容错对准。算法的可行性和有效性通过数值仿真和跑车实验进行了验证。验证结果表明, 新算法可以很好地隔离故障量测信息, 在陀螺零偏稳定性为0.005°/h时, 600 s的姿态对准精度优于0.01°, 方位对准精度优于0.05°, 可以满足系统行进间对准的要求。
目标轨迹预测是保证目标航行安全、规划飞行航迹和搜寻空中目标等任务的关键技术，在军事和交通管制等方面具有重要意义。针对传统飞行目标轨迹预测方法模型较为简化且预测精度较低的问题，提出了基于卡尔曼滤波算法展开的深度神经网络模型, 用于飞行目标的轨迹预测任务。该模型通过长短时记忆(long short-term memory, LSTM)网络从目标的航迹数据中学习目标的运动状态，再利用卡尔曼滤波算法对LSTM预测的目标状态估计值进行动态修正，其有效结合了卡尔曼滤波算法和深度神经网络各自的优势。在仿真数据和真实数据上的实验验证了所提模型较其他网络模型对飞行目标轨迹预测的准确性和有效性优势。
针对传统轨迹发生器生成的轨迹和运动参数不符合实船特性问题, 依据分离式结构模型六自由度船舶运动方程, 分析不同运动状态的船体、桨、舵的水动力和力矩, 推导静水条件下六自由度线加速度和角速度(a&ω)模型; 提出以档位固联转速建立纵向线加速度的二阶模型, 用二阶系统的阻尼比和自然频率表示档位切换时船舶的加、减速性能; 采取极大似然估计的递推算法辨识模型中的未知参数; 基于某船的实测数据, 验证该运动参数发生器的有效性, 并评估仿真准确度。仿真结果表明, 该发生器能够生成线加速度、角速度、姿态、速度、位置共计15维运动参数, 且各运动参数的准确度在95%以上。
视觉定位技术是视觉导航和自动驾驶领域的重要组成部分。提出一种基于几何约束孪生卷积网络的相机六自由度(6 degree of freedom, 6DOF)定位方法, 采用卷积网络、以学习查询图像与参考图像之间相对位姿关系的几何约束方式, 获得查询图像的绝对位姿; 并使用性能优异的主干特征提取网络, 以及多任务联合损失函数同时训练的策略, 进一步提高方法的定位精度、稳定性以及泛化能力。同时, 设计了特征距离度量损失函数, 增强了对于相似图像的区分性。在室内及室外公开数据集上的验证数据表明, 与同类型方法相比，所提方法更具竞争力。
大规模工业通信网络中不同优先级的数据流量共同传输会导致网络拥塞、时延增大等问题, 基于时间敏感软件定义网络(time sensitive software defined network, TSSDN)框架, 提出一种网络时延优化方案。在数据链路层对工业网络中不同优先级的数据流量设计分类整形调度的增强型时间感知整形器(enhanced-time awareness shaper, E-TAS)算法, 缩短网络排队时延, 将最高优先级同步实时数据采取流预留的方式、将次优先级非同步实时数据采取帧抢占的方式进行调度, 将低优先级非实时数据按其调度权重进行公平调度, 同时在网络层结合使用基于时延的Dijkstra算法, 缩短网络数据的传播时延。仿真结果表明, 所提方案有效保证了不同优先级数据流量的时延要求, 实现了网络总时延性能的优化。
针对物联网无人机通信中短突发连续相位调制(continuous phase modulation, CPM)盲均衡算法复杂度高、收敛差等问题, 提出了一种基于期望最大化-维特比(expectation maximization Viterbi, EMV)的盲均衡算法。首先, 将Lazy维特比算法嵌入到期望最大化(expectation maximization, EM)算法的迭代过程中, 得到一种低复杂度的盲均衡算法; 然后, 基于盲信道捕获(blind channel-acquisition, BCA)方法构建了一组初值集, 克服了算法对初值的敏感性, 同时提升了信道估计的收敛性能。理论分析和实验结果表明, 所提的盲均衡算法能够有效兼顾收敛性和计算复杂度, 相比传统方法, 在性能损失很小的条件下可大幅度降低计算成本, 并且具有良好的鲁棒性。
针对多天线协作中继系统中存在信号处理能量受限和保密信息安全传输的问题和挑战, 提出了一种基于无线携能通信和友好干扰信号辅助的两阶段物理层安全传输方案。首先, 建立了基于放大转发中继模式的多天线中继系统模型。其次, 考虑多窃听者非合谋窃听的场景, 分析了系统能量与信息的传输过程, 以最大化系统保密性能为目标, 分别提出了最优传输天线选择策略和基于Q学习(Q-learning)算法的最优干扰天线选择策略。接着, 推导出系统遍历可达保密速率(ergodic achievable secrecy rate, EASR)的表达式。最后, 利用蒙特卡罗仿真方法验证了理论推导的正确性, 并讨论了发射信噪比、功率分裂(power splitting, PS)因子及功率分配系数等参数对系统保密性能的影响。仿真结果表明, 所提出的传输方案相比现有的安全传输方案，系统保密性能有较大的提升。
针对二进制退避(binary exponential backoff, BEB)算法存在的“饥饿效应”及其与数据链网络作战场景不匹配的问题, 通过对现有信道状态判决方法进行改进, 结合数据链网络的作战应用场景, 提出了基于信道状态判决的退避算法, 使退避窗口的设置与节点数据的优先级以及当前信道负载密切相关。对系统的吞吐量和端到端时延进行了理论分析和仿真验证, 通过分析仿真结果可知, 无论是在系统吞吐量或是在端到端时延方面, 所提算法的性能明显优于现有退避算法, 保证了高优先级数据链信息发送的实时性。
为了克服现有的基于深度学习的信道估计方法存在的训练样本与时间开销过大、且离线训练的网络无法适应在实际情况下实时变化的信道环境的问题, 提出了一种高速移动正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中的基于元学习的时变信道估计方法。该方法利用模型无关元学习(model-agnostic meta-learning, MAML)方法对不同的信道任务进行线下训练, 仅利用少量的训练样本即可使网络充分学习到信道的传输特性，以及具备快速适应新任务的能力, 且具有较低的计算复杂度。在线下训练中, 该方法将网络的训练目标设置为具有较高精度的信道估计, 而非理想的信道信息, 增强了估计模型的实用性。另外, 该方法仅采用接收的导频信号进行线下训练与线上估计, 减少了网络输入样本的数目, 进一步降低了计算复杂度。仿真结果表明, 所提方法具有较高的估计精度与较低的计算复杂度, 且可以快速地适应新的信道环境, 适用于在高速移动通信系统中获取时变信道。
针对当前无失效数据可靠性评估方法估计精度低, 难以同时得到参数的点估计和置信区间估计且难以避免结果不一致的问题, 考虑无失效数据的情况, 提出了一种基于最大信息熵和模拟退火算法并结合参数Bootstrap法的可靠度点估计和置信区间估计方法。首先考虑威布尔分布的失效概率次序特性, 在Bayes理论下通过失效概率的取值范围和最大化先验分布的信息熵构建超参数优化模型; 然后，采用模拟退火算法求解优化模型避免陷入局部最优解; 再利用加权最小二乘法得到可靠度的点估计; 最后，以参数Bootstrap法实现新样本的重新抽取, 进而得到可靠度的置信区间估计。通过仿真算例与谐波减速器无失效数据实际算例, 验证了所提方法不仅能够提高可靠度点估计和区间估计的精度, 还能够提高评估结果的可信度。
退化模型是评估长寿命产品可靠性的有效方法, 但已有参数退化模型忽略了退化量分布未知、最优退化量分布和退化量有界性等问题, 导致模型可靠性评估精度不足, 适用范围有限。针对已有方法的不足, 提出一种评估长寿命产品可靠性的半参数退化模型。首先, 通过考虑边界的非参数对数变换核密度估计方法拟合产品在各检测时刻的退化量分布; 然后, 基于退化量分布与寿命分布的关系, 利用最小二乘法与遗传算法估计产品寿命分布参数; 最后, GaAs激光器与合金钢的实例应用表明, 所构建模型能够更好地拟合退化数据, 可靠性评估精度更高。
在紧迫的战场环境下, 如何利用有限的时间、人力和资源保持或恢复装备战斗力, 使装备具有连续执行任务的能力, 是装备保障指挥人员最关心的问题之一。本文以装备执行多个作战任务为背景, 综合考虑维修保障时间、不完全维修效果、维修人员技能水平、装备性能状态等因素, 以最小阶段任务可靠度最大化为决策目标, 建立考虑维修任务分配的装备选择性维修决策模型, 采用遗传算法进行优化求解。结合算例, 分析了任务持续时间、维修人员技能水平对决策目标的影响, 验证了所提模型及算法的有效性。
