竞争失效条件下的装备选择性维修优化方法

为了实现集群装备的精确化保障目标,提高任务成功概率,提出了一种竞争失效条件下面向随机不确定任务的装备选择性维修优化方法。当任务间隔时间为随机变量时,同时考虑装备、任务与随机竞争失效等相关参数的模糊特性,基于模糊Markov过程与模糊通用生成函数法,建立了竞争失效条件下的模糊多状态系统任务成功概率评估模型;然后以模糊任务成功概率为目标函数,在维修备件资源约束下,建立了针对集群装备的选择性维修决策模型,同时利用Memetic算法对模型进行求解,得到最优维修方案;最后,以某型捷联惯性导航系统装备为例,计算得到该选择性维修模型下的任务成功概率可达到0.6018。分析与实例验证了模型的有效性和合理性。     

基于高斯过程分类的结构贝叶斯可靠性分析

贝叶斯可靠性方法是处理不完备信息条件下结构可靠性问题的有效途径之一。在实际应用中,由于可靠性分析的计算量较大,常须采用各种近似替代模型以提高计算效率。传统的替代模型方法是对结构的功能函数予以近似建模。这种方法不易定量考虑模型误差对可靠性分析的影响,且难以应用于诸如功能函数不连续和失效域不连通等情况。为此,本文提出一种基于高斯过程分类的替代模型,直接辨识结构的极限状态曲面,并将其应用于结构贝叶斯可靠性分析之中。分析了替代模型不确定性对可靠性预测结果的影响,给出了失效概率分布参数的方差算式,进而提出了改善模型精度的补充采样准则。通过算例验证了方法的适用性和有被性．     

基于链式贝叶斯网络的结构可靠性分析

将贝叶斯网络与传统可靠性方法结合,建立结构系统的可靠性贝叶斯网络模型,通过改进的分支限界法确定结构主要失效模式,并将贝叶斯网络链式化来提升计算效率。根据可靠性方法计算条件概率表;使用概率网络估算法来考虑主要失效模式之间的相关性,计算系统可靠性;当有新信息出现时,利用贝叶斯网络推理,对结构系统可靠性进行评估。以一桁架结构为研究对象,计算结构系统的可靠性,并在新信息出现的情况下对系统可靠性进行了更新。     

多体系统动力学动态最优化设计与灵敏度分析

基于多体系统的动态最优化设计过程包括传统的多体系统仿真分析、系统设计灵敏度分析、 系统最优化设计等过程, 针对多体系统运动学、用二阶常微分方程和微分代数方程描述 的动力学，基于含设计参数的通用数学模型及通用的积分型目标函数，采用高效的系统灵 敏度分析伴随变量方法及易于实施的惩罚函数最优设计方法，建立了多体系统最优设计数学 模型和算法. 通过双摆系统、曲柄-滑块系统、弹簧/阻尼器-滑块系统3个算例对上述 算法的有效性进行了验证.     

非对称冗余惯导的在线标定与容错估计反馈策略

为保证惯性导航信息的可靠性，在体积与成本受限的情况下设计了一种非对称冗余惯性导航系统，包括FOG-INS和MEMS-INS两套惯导。无故障时FOG-INS输出导航信息并利用序贯变分贝叶斯卡尔曼滤波在线标定MEMS惯性器件误差，估计结果的指数加权收敛度被映射到统一闭区间内实现标准化评价。诊断出FOG-INS故障后，估计反馈策略将基于标准化评价结果补偿MEMS惯性器件误差，校正MEMS-INS并输出导航信息。仿真实验结果显示，经过0.8 s的检测延时，故障后基于变分贝叶斯卡尔曼滤波的MEMS惯导y轴陀螺漂移、z轴陀螺漂移的估计相比于标准Kalman滤波分别提升了80.80%和67.76%，发生故障60 s后完成误差校正的MEMS-INS水平位置误差相比于不校正时减小了33.59%，有效保证了惯性导航信息的可靠性。     

基于元模型与聚类算法的设计空间减缩策略及工程应用

提出了一种基于元模型建模和聚类算法的设计空间减缩策略,能直接将设计空间减小到相对小的子空间。建议的方法分为三步:首先,进行低精度元模型建模,其次重新设计样本点并基于元模型求解样本点函数值和导数,应用最短距离层次聚类算法确定样本点聚类数与聚类中心,采用模糊c均值算法完成设计空间划分,生成设计空间子空间;最后,求解子空间目标函数的均值,确定保留子空间,并在保留子空间中对函数进行优化,达到目标函数全局最优解。测试函数和工程算例表明,该方法能够有效减小设计空间。     

结构可靠性优化的多输出高斯过程代理模型

对于具有多失效模式的结构,基于可靠性的结构优化计算成本是比较昂贵的。本文利用多输出高斯过程MOGP(Multiple Output Gaussian Process)代理模型以降低计算成本,首先利用Bucher方法生成初始样本,然后结合均匀训练样本和学习函数对MOGP代理模型进行构建。学习函数可在大范围内筛选出较为满意的训练样本,能够确保MOGP代理模型具有较好的全局精度,在整个优化过程中不再重新构建MOGP代理模型。利用协方差矩阵,MOGP代理模型能够考虑各失效模式的相关性,对多输入多输出系统具有良好的预测性能。数值算例表明,本文方法具有较好的计算结果,且计算效率较高,尤其是设计变量数目与失效模式数目较多时效率提升明显。     

基于主动学习神经网络的转向架构架疲劳可靠性分析

为了提高转向架构架疲劳可靠性分析的精度与效率，提出一种主动学习BR-BP神经网络模型与Monte Carlo法相结合的可靠性分析方法。该方法针对BP神经网络的缺陷，使用贝叶斯正则BR(Bayesian regularization)算法作为训练算法，以提高神经网络的拟合精度与收敛速度，并考虑可靠性分析的固有特点，构造了一种适用于BP神经网络的主动学习函数，用于指导最佳样本点的选择。提出的学习函数不仅保证了样本点分布在极限状态函数附近，还考虑了样本点的预测误差以及样本点分布对失效概率计算的影响。转向架构架可靠性分析结果表明，本文方法在提高拟合精度的同时兼顾了计算效率，验证了所提方法的优越性与可行性。     

基于隐马尔可夫模型的地磁匹配算法

为了在地磁特征微弱区域内实现地磁辅助导航以及提高惯性导航系统在地磁特征明显区域内的定位精度,提出了基于隐马尔可夫模型的地磁匹配算法.首先以惯性导航系统定位误差为隐状态,以实时测量的地磁强度为观测量,建立了地磁匹配的隐马尔可夫模型;其次,针对该模型,使用Viterbi算法来确定最优状态序列,给出了惯性导航系统的当前定位误差.仿真结果表明,该算法可以实现地磁辅助导航,导航误差优于EKF算法,组合导航系统的定位误差在50 m左右.     

振动主动控制系统降级工作模式研究

振动主动控制系统是通过获取振动传感器信号、驱动作动器施加作动力以降低平台振动水平的机电综合系统。对于振动环境恶劣的装备平台，振动主动控制系统工作的稳定性直接影响平台使用体验。当系统内硬件数量较多时，系统对部件可靠度敏感度较高。为了提高系统功能可靠性，保证装备平台安全，在不改变硬件的前提下，本研究从优化控制策略出发，提出了两种系统降级模式，并对其进行可靠性分析；在降级模式的基础上，基于切换系统方法，针对硬件故障数量的不同设计不同等级的降级模式；针对不同降级模式下系统控制参数，对作动器进行最优组合设计，得到在不同降级模式下系统减振控制的最优高维度模型矩阵；最后在实验室内，基于振动主动控制系统实验环境，针对作动单元降级模式进行了实验验证，通过模拟部件故障状态，验证系统降级工作策略与控制模型优选设计的正确性，提高了系统功能可靠性。