间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)在接收端匹配滤波后会产生相干假目标群,但是这些假目标在距离和幅度上都呈现出很强的规律性。针对这一问题,依据每一个采样子波形的理论脉压结果,采用间歇非均匀的采样和不定量的转发破坏假目标在脉压后的规律性,使其能在较大范围内形成压制效果,并使用禁忌搜索算法对每一个干扰采样信号的脉冲宽度和转发次数进行优化求解。仿真分析了不同信号参数和禁忌搜索算法中的不同权值对干扰效果的影响,并从脉压前后的平均功率、脉压结果的过门限概率以及脉压前后干扰信号和目标信号的循环相关系数等3个方面将传统的产生干扰方法和本文所提的方法进行对比,证明了所提方法的有效性。

针对空动目标参数的水声探测,建立空中运动目标激发水声信号的瞬时频率模型和运动目标参数测量模型,首先采用分段互谱密度方法测量瞬时频率,然后采用局部线性化方法测量目标速度、通过时刻、水平距离等参数。最后，仿真分析与实验结果表明:测量精度受到噪声、采样时长、目标速度、水平距离等多种因素影响,当水平距离与速度的比值在10~15范围内时,测量精度较高;在仿真条件下,速度和距离的测量精度优于3.6%,通过时刻测量精度达到0.48 s;在实测条件下,两次实验数据得到的目标速度精度分别为7.5%和8.9%,距离精度分别为16.0%和20.3%。仿真和实测结果说明本方法的正确性和可行性较高。

针对空频分组码-正交频分复用(space-frequency block codes with orthogonal frequency division multiplexing, SFBC-OFDM)信号盲识别问题,提出了一种基于互相关函数的空频分组码信号盲识别方法。首先根据不同SFBC-OFDM元素的相关性,推导了发射信号端信号的相关特性;然后根据发射端信号的相关性,推导了接收端SFBC-OFDM信号的相关特性;最后提出了基于峰值检测的识别算法。仿真结果表明,该算法在较低的信噪比(0 dB)下正确识别概率达到95%,且不需要预先知道信道信息、噪声信息和调制信息。该算法在不同调制方式、时延和频率偏移下正确识别概率在90%以上,能够应用于认知无线电、频谱监控等工程领域中。

在高光谱遥感成像领域,成像载荷在高空间分辨率、高光谱分辨率及大幅宽等指标方面需求不断提升,为解决星载高光谱成像高速电子学愈演愈烈的电磁干扰(electromagnetic interference, EMI)问题,提出了增强星载高光谱成像仪电磁兼容(electromagnetic compatibility, EMC)能力的针对性设计方法,并通过在某系列高分辨率高光谱成像仪载荷上的具体实施,验证了EMC针对性设计的有效性。为寻求高光谱成像仪EMI设计的理论方法及技术实现手段进行了有益探索,为其他遥感用星载高速成像载荷设计提供了有益借鉴。

多维特征检测方法已成功运用于海面小目标探测中。针对人工特征提取的局限性,将检测问题转变为两分类问题,提出了一种基于时频图深度学习的目标检测方法。首先,将一维观测回波变换到二维时频域,并通过归一化时频图进行白化预处理。其次,建立半仿真含目标回波数据库,解决两类训练样本非均衡问题。然后,搭建迁移学习模型自主学习时频图特性,具有深度网络结构和减小训练代价的优势。最后,将两分类的概率值作为统计量,获得虚警可控的判决区域。基于IPIX实测数据实验结果表明:所提的检测器能深入挖掘目标和杂波的差异性,低信杂比下仍能有效提升海面小目标的探测能力。

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。

针对强杂波背景下的多通道合成孔径雷达(multi-channel synthetic aperture radar, MC-SAR)系统,结合沿航迹干涉(along-track interferometry, ATI)方法和稳健的主成分分析(robust principal component analysis, RPCA)方法，提出一种ATI-RPCA的地面动目标指示方法。与传统的ATI方法相比,该方法可以提供更稳健的性能,但增加了一定的计算复杂度;与经典的RPCA算法相比,该方法可以降低虚警概率(probability of false alarm, PFA)并降低运算复杂度。总体而言,所提方法提供了较为稳健快速的目标检测性能,最后通过将所提方法应用到实测三通道SAR数据中，得到的结果与本文的理论分析一致。

利用数字广播信号的正交频分复用(orthogonal frequency division multiplex, OFDM)调制特性,提出一种基于信道多普勒特征的外辐射源雷达杂波抑制方法。首先,在子载波域获取每个OFDM符号的频域信道响应值,然后将该信道响应值变换到时域,并在时域利用信道多普勒特征构造杂波子空间项,用于抑制零频和非零频杂波。所提方法杂波子空间构造与发射信号无关,可离线生成,简化了信号处理流程,降低了计算复杂度。仿真和实测数据均验证了所提方法的有效性。

基于几何绕射理论(geometrical theory of diffraction, GTD)的散射中心信号模型可以精确描述隐身目标电磁散射特性,将总体最小二乘-旋转矢量不变技术(total least squares-estimating signal parameter via rotational invariance techniques, TLS-ESPRIT)算法引入此模型中,为散射中心提取提供了超分辨率算法。针对TLS-ESPRIT算法在低信噪比条件下估计精度不高的问题,引入Hankel矩阵改进TLS-ESPRIT算法对回波数据处理的过程,改进后的算法提高了在低信噪比情况下对散射中心参数估计的精度,具有更好的噪声鲁棒性。在对目标的识别以及雷达散射截面(radar cross section, RCS)重构方面具有重要意义。

针对传统雷达性能指标评估方法相对“机械”、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型。考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立分层贝叶斯模型,从而保证雷达性能指标后验概率密度函数的可解性。此外,为了保证后验概率密度函数的闭合解析解,应用变分贝叶斯期望最大化(variational Bayesian expectation maximization, VB-EM)方法,基于高斯-赛德尔迭代策略分别计算性能指标及其超参数的后验概率密度函数。最终,利用后验概率密度函数计算结果,可获得相应性能指标解析估计值及其置信区间和置信度,从而实现对指标动态变化的解析指示。相比传统蒙特卡罗评估方法,所提方法仅需一次实验数据便可获得定量的、解析的指标评估结果,可以大大缩减评估成本,提升评估效率,同时可对指标动态变化给出定量指示。应用仿真数据对雷达定位、测高精度以及目标检测概率指标进行了验证,相比传统方法,评估处理增益获得了有效提升。

自适应波束形成是机载预警雷达数字信号处理的一个关键环节。针对传统最小均方误差(least mean square, LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradient descent, SVRGD)自适应波束形成方法。首先,建立面阵列接收信号数据模型。其次,基于随机梯度下降原理,引入方差缩减法通过内外循环迭代方式进行梯度修正,以减小随机梯度估计的方差,建立算法模型与实现流程。最后，通过设置平面阵列仿真场景,分析SVRGD自适应波束形成算法在波束形成、抗干扰、收敛速度等方面的性能,验证了该算法在低快拍数、强干扰和强噪声背景下具有的优良能力。

卫星与雷达间的数据关联能够实现海上预警探测过程中由大范围预警向精细跟踪过渡转换,但传统关联模型关联速度慢且难以适应舰船编队目标的非刚性变换、虚警漏报等情形。对此，提出一种卫星与雷达位置数据自适应关联模型。首先，采用多层神经网络提取卫星数据和雷达数据的整体差异参数。然后，将参数通过位移变换估计网络实现两类信源目标的匹配,解决不同信源间的时间间隔和定位误差导致的空间位置差异。最后，对匹配后的目标进行关联判决。仿真实验结果表明,该模型关联速度快,精度高,能够实时处理大规模多源数据关联任务。同时在应对非刚性变换、定位误差、虚警漏报等场景下有较好的鲁棒性。

无人机集群以其高度的灵活性、广泛的适应性、可控的经济性,拥有越来越广泛的应用潜力,受到国内外的高度关注。任务规划是无人机集群应用的顶层规划，是根据任务环境态势、任务需求、自身特性等要求进行的综合调度，从而建立无人机与任务的合理映射关系，维持机间合理协同合作关系。本文从基于逻辑与规则的自上而下式任务规划和基于集群智能涌现的自下而上式任务规划两个方面,对无人机集群任务规划技术现状进行了全面的总结,分析了当前无人机集群任务规划技术研究应当关注的若干发展方向。本文的工作对于全面了解无人机集群任务规划技术现状具有重要参考意义。

装备体系贡献率评估对于装备体系建设至关重要。由于在研究不同装备对装备体系的影响时装备体系具有涌现性，从而使得评估装备体系贡献率变得困难。为此,在对装备体系结构与效能指标分析的基础上,对装备体系效能的涌现进行了分析,并利用系统动力学模型进行装备体系效能仿真评估,提出了装备贡献率评价方法。最后,通过导弹装备体系贡献率评估进行了案例分析,对所提方法进行了验证。本文基于系统动力学对装备体系贡献率进行定性定量结合的仿真分析方法，可以给装备体系贡献率评估提供借鉴。

面对高度复杂和多变的现代战场,如何快速直观地发现战场上的态势热点,降低认知负载是指挥员所面临的巨大挑战。针对战场时变条件下的态势热点发现问题,在分析热点形成机理的基础上,提出关注势理论,构建了符合人类认知特性的改进的Logistic时间衰减函数(improved Logistic time decay function, ILTDF),进而提出随时间衰减的加权核密度估计(weighted kernel density estimation decay over time, W-KDE-DOT)法以及基于关注势的战场态势热力图构建方法。实验结果表明,基于关注势理论的热力图构建方法,能够更准确地刻画出态势热点的时变特性,更符合战场态势热点发现客观规律,能够更好地为指挥决策人员准确把握战场态势热点提供支撑。

系统参数估计是武器装备系统设计研制中的关键一环。针对复杂系统设计中逐渐突显的系统复杂性激增、需求动态性变化、响应的快速性、缺乏高精度数据等问题,提出一种基于多保真度代理模型的单装备系统参数估计方法。首先,该方法基于传统Kriging模型对低保真度数据建立代理模型。然后,将该模型作为全局趋势模型,插入高保真度数据建立多保真度代理模型,得到同时满足高精度和高效率双重要求的参数估计方法。最后,以飞机机翼系统设计中的最大升力系数参数估计问题为例,验证了所提方法在装备设计研制中的可行性和有效性,作为设计人员的决策支撑。

针对智能优化算法在无人机(unmanned aerial vehicle, UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法。以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作为不同膜内优化准则,利用膜系统计算的并行性和膜内信息交互优势提高算法性能;并对膜内进化规则进行非支配排序、搜索加权等改进,实现了UAV三维多目标航迹寻优。仿真实验表明,所提方法在有无威胁两种环境下均能快速搜索到不同侧重目标的相对最优航迹,证明了该方法的有效性。

由于影响空战目标威胁评估的因素复杂多样,且具有矛盾性、相关性、耦合性等特点,因此利用传统的评估方法无法得到准确客观的评估结果。对此,提出一种基于灰色主成分的目标威胁评估方法。首先,利用主成分分析(principle component analysis, PCA)方法,分析指标之间的相关性,生成指标之间的灰色关联系数矩阵,取代传统的相关矩阵或协方差矩阵,将相互关联的指标转化成相互独立的分量,重构目标威胁评估体系。其次,构建灰色关联深度极大熵模型确定原始评估指标权重。然后,分析以累计贡献率为客观性赋权且没有考虑指标重要性差异的问题,将因子载荷作为主成分权重合成的重要依据。最后,通过仿真案例,对不同的威胁评估方法得出的结果进行对比分析,证明了灰主成分法的有效性和合理性。

为提升无人机集群(unmanned aerial vehicle swarm, UAVS)应对恶劣天气、人为干扰、组件故障等扰动的能力,借鉴复杂网络弹性理念,对UAVS扰动场景进行建模，提出了UAVS弹性的概念与内涵,通过与鲁棒性、可靠性、抗毁性等指标对比,阐述了弹性指标对于研究UAVS系统特性的意义;分析UAVS性能变化曲线和选取指标,刻画了弹性定量指标,从而提出了UAVS系统弹性评估方法;从吸收扰动和恢复两方面,提出了UAVS系统弹性的优化策略。最后,展望UAVS系统弹性未来研究的发展趋势。

针对指挥信息系统模拟训练数据缺乏的问题,提出一种基于改进型生成对抗网络的模拟数据生成算法,构建指挥信息系统履行使命任务支撑能力指标体系,同时提出指挥信息系统非结构化信息处理的映射方式和拟合度因子,修正损失函数,从而提高优化水平。仿真结果表明,所提算法能够生成与原始数据分布相似度较高的数据集,为指挥信息系统全元素的模拟训练提供数据支撑。

传统模式下,卫星采取单任务观测方式,该种方式下任务的成像精度高但任务成像数量少且资源使用率极低。因此,在单任务观测方式的基础上设计了一种多任务合成机制(multi-task merging mechanism, MTMM),在保证用户最低成像要求的情况下对任务合成。首先,基于合成任务集,建立多星调度模型。然后，针对模型提出了基于任务合成的改进蚁群优化(improved ant colony optimization based on task merging, IACO-TM)算法,在算法中设计了自适应蚁窗策略、强制扰动机制以及算法参数动态调节策略,对蚂蚁搜索空间进行有效裁剪,避免算法陷入局部最优的同时提高算法的收敛速度。最后,通过大量仿真实验与不考虑任务合成的改进蚁群优化(improved ant colony optimization, IACO)算法和基于任务合成的传统蚁群优化(traditional ant colony optimization based on task merging, TACO-TM)算法对比,验证了所提MTMM和IACO-TM的有效性。

针对网络化制导弹药打击近岸机动目标的末制导段,基于协同一致性理论与Lyapunov稳定性理论,提出了一种分布式模糊自适应协同导引律。考虑攻击角约束和视线角速率测量受限,构建协同导引系统的状态空间。设计扩张状态观测器(extended state observer, ESO)迅速准确地观测出在视线切向、法向与侧向上的不确定干扰。在视线切向,运用积分滑模设计分布式协同控制量,保证命中时刻在有限时间内趋于一致。在视线法向与侧向,设计了具有自适应指数趋近律的非奇异终端滑模,运用了弹目相对距离与接近速率信息,使终端视线角跟踪误差与视线角速率在有限时间内收敛至零。引入具有万能逼近性的模糊自适应系统(fuzzy adaptive system, FAS),既消除了由滑模切换项诱发的控制量高频抖振,又确保了系统一致最终有界(uniformly ultimately bounded, UUB)。仿真实验表明:与非奇异终端滑模方法相比,该导引律使组网弹药能够以更好的导引性能攻击机动目标。

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。

低轨卫星在到寿后,需要在一定时间内离轨,而轨道高度高于800 km的卫星难以在自然条件下离轨。为了使卫星在规定时间内离轨,提出一种基于增广拉格朗日粒子群优化(augmented Lagrangian particle swarm optimization, ALPSO)算法的低轨卫星小推力离轨最优控制算法。首先依据小推力的特点列出摄动方程,并利用哈密尔顿方程求出带协状态参数的最优控制率。而后分别阐述了粒子群算法和增广拉格朗日方法,并据此得出了算法流程。最后与遗传算法的优化结果进行对比。结果表明, ALPSO算法迭代次数较少,收敛精度较高,降低轨道高度的第一种处置轨道适用于轨道高度821 km的卫星离轨,离轨时间为857天。该算法可用于低轨卫星小推力离轨问题的求解。

防空导弹在拦截超低空目标时，多径效应的存在会大大降低导弹雷达导引头探测跟踪目标的精度。为降低多径干扰的影响，可将弹目视线角(line of sight, LOS)约束在布儒斯特角附近，但是多数的研究仅仅是在弹目交汇处将其约束至布儒斯特角。基于模型预测控制可跟踪期望LOS的特点,设计出一种模型预测制导律。针对超低空目标机动扰动对制导精度的影响,设计了滑模扰动观测器对目标加速度进行估计。最后,将模型预测制导律与目标加速度的估计值相结合设计了一种复合模型预测制导律。仿真结果表明,采用复合制导律能够保证拦截弹以期望的布儒斯特弹道对超低空目标进行跟踪和拦截,同时可将LOS速率收敛至0,最大程度降低多径干扰的影响,从而提高拦截精度。

基于鲁棒扩展卡尔曼滤波(robust extended Kalman filter, REKF)的接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)对双星故障模式的检测及识别效果相对较差,尤其当故障矢量具有较高的空间一致性时, M估计的稳健性会受到极大破坏。针对这一问题,提出基于稳健MM估计的REKF RAIM算法, MM估计是兼具高崩溃污染率和高估计效率的两步抗差估计方法,首先采用具有高崩溃污染率的最小截断二乘(least trimmed squares, LTS)估计获得稳健性高的迭代初值和尺度参数,然后采用IGG III方案得到最终的参数估计值,并设计一种基于特征斜率的快速选星方法降低LTS估计的计算量。仿真结果表明,相比于基于M估计的REKF, MMREKF在双星故障模式下具备更高的稳健性,对双星故障模式有更好的检测与识别能力。

为满足未来无人系统通信智能抗干扰的实际需要,针对传统变换域通信系统(transform domain communication system, TDCS)自身开放性有限、干扰应对能力不足等问题,设计了基于认知引擎驱动的智能系统架构,并针对各认知引擎驱动子模块提出了3种改进方法，包括基于稀疏逼近的未知干扰处理、基于稀疏表示的变换学习干扰识别以及针对性的干扰变换稀疏分析方法。实验结果表明,识别子模块与传统的分类器相比,整体的干扰识别率提高了5.2%,并且可实现无监督的学习;同时,针对典型干扰的重构精度在90%以上,实现了不同干扰类型的最优变换处理,显著提高了系统的抗干扰性能,传输误码率逼近理想水平。

针对正交码移键控(code shift keying, CSK)误比特率(bit error rate, BER)性能下降和非正交码索引调制(non-orthogonal-code index modulation, N-CIM)未能充分利用扩频码自相关性的不足,提出一种非正交CSK和码索引调制(non-orthogonal-CSK-code index modulation, N-CSK-CIM)算法。发送端信息比特分为调制比特和扩频码映射比特；调制比特用来进行符号调制，映射比特映射为扩频码的索引和码相位索引。首先根据调制比特进行符号调制，然后利用映射比特映射的扩频码索引选择同一原始扩频码，并根据码相位索引进行码移键控产生新的扩频码，调制后的符号实部与虚部分别用这一新的扩频码进行扩频。仿真结果表明,在加性高斯白噪声(additive white Gaussian noise, AWGN)信道和瑞利衰落信道中,相同信噪比时, N-CSK-CIM算法的BER性能优于N-CIM算法和正交CSK算法。

低地球轨道(low earth orbit, LEO)卫星由于其传输损耗低、地面干扰小等优点成为空天地一体化网络的重要组成部分。由于星地传输链路的时延大,现有卫星通信过程无法实时地进行信息交互,导致系统无法适应信道的变化。针对这个问题,提出了基于长短期记忆(long short-term memory, LSTM)网络的信噪比(signal to noise ratio, SNR)预测方法,并利用预测的SNR调整系统的调制与编码方案(modulation and coding scheme, MCS),使其与快速变化的信道相匹配。仿真结果表明,提出的基于LSTM网络的SNR预测方法可以达到较高的准确度,并且根据预测的SNR实时调整MCS的方案大幅度地提高了系统的总吞吐量。

针对传统差分混沌键控(differential chaos shift keying, DCSK)采用多电平方式传输多进制信息导致误比特率(bit error rate, BER)高的缺点,提出一种多用户正交多级DCSK(multi-user orthogonal multi-level DCSK, MOM-DCSK)通信系统。该系统将传输的多进制信息映射为不同的传输系数,多个传输系数分别乘以对应的Walsh码后调制在信息承载信号上,并且通过不同的延时传输多用户信息。在加性高斯白噪声(additive white Gaussian noise, AWGN)信道和多径Rayleigh衰落信道中推导了系统的理论BER公式并进行了仿真分析。结果显示，该系统在传输多进制信息时拥有较好的误码性能,并且在多用户传输领域中有较好的实际应用价值。

针对复杂战场环境下无人机蜂群的任务协同要求,保证编队内可靠的路由通信尤为重要。考虑无人机携带能源有限,为了尽可能延长空中作业时间,提出一种无人机蜂群中紫外光隐秘通信能耗均衡路由算法。在无人机编队保持的基础上,结合无线紫外光散射通信特点,在路由选择过程中引入通信链路路径损耗和无人机节点剩余能量来构建链路权值函数,从而有效地平衡无人机蜂群节点的能量消耗。仿真结果表明,与其他算法相比,所提算法能够动态地选择数据传输路径,使节点的能量消耗均衡,进而延长无人机蜂群的生命周期。

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。

为了实现高可靠长寿命产品加速退化试验的高效开展,提出一种可以同时优化加速应力水平、各水平下试样数、各水平测试时间等多个试验设计变量的恒定应力加速退化试验优化设计方法。基于Wiener过程与阿伦尼斯模型建立加速退化模型,以可靠寿命估计精度为目标函数,以试验总经费为约束条件,应用遗传算法搜索最优试验方案,并通过敏感性分析确定优化方案的有效性。以某碳膜电阻器为对象开展加速退化试验优化设计的实例分析来证明所提方法的合理性。敏感性分析结果表明,所提方法的优化结果具有良好的稳健性。

针对信息化弹药部组件贮存寿命难以评估的问题,提出了一种融合自然贮存试验数据与加速试验无失效数据的部组件贮存寿命评估方法。首先,根据部组件的自然贮存试验数据,通过保序回归解决数据中的倒挂问题,采用极小卡方估计法和拟合优度检验初步确定部组件的寿命分布函数。接着,通过最优置信限法,估计加速应力水平下的模型参数,并计算加速应力水平与常规应力水平间的加速因子,将加速试验中的无失效数据折算为常规应力水平下的定时截尾数据,单独依据该数据重新评估模型参数。而后,融合折算数据和原始自然贮存数据,再次评估部组件的贮存可靠性,综合对比评估结果确定其分布函数。最后,以某计算装置为例,综合对比分析自然贮存试验数据、加速试验无失效数据和融合贮存试验数据的评估结果,确定了该计算装置的寿命分布函数和给定可靠度下的贮存寿命,证明了该方法的有效性,可以做工程应用推广。

备件的配置优化对于系统可靠性的保障和维护成本的降低具有重要的作用。为了保障系统的长期稳定经济运行,构建了系统可靠性模型和备件配置模型,以系统可靠度阈值和任务运行时长为约束条件,采用成本效益重要度对备件配置模型进行优化,寻求以备件配置成本最低为目标的备件配置方案。当系统可靠度下降到预设阈值时,计算系统各组件的成本效益重要度,选择成本效益重要度最大的组件进行备件,如此进行迭代,直到完成运行任务,形成最优的备件配置方案。最后,以数控机床主轴系统伺服驱动装置为例验证了该方法的可行性。