基于测试数据的装备贮存可靠性评估

针对无失效数据情形下装备贮存可靠性估计问题,提出了一种利用性能测试数据进行估计的方法.首先利用测试数据估计装备在不同测试时的失效概率,然后利用配分布曲线法估计装备贮存寿命分布函数中的未知参数.由于方法充分利用了装备性能测试数据中所隐含的可靠性变化趋势,使其估计结果具有一定的可信性.     

长贮产品基于贮存可靠度的序贯检测方法

长贮产品在贮存过程中,性能会逐步退化直至失效,保持和恢复系统可靠性的一种极为有效的方法就是周期地测试贮存产品的关键性能,并且修复和更换所发现的故障产品.检测时间间隔过长,则产品贮存可靠性达不到要求;检测时间过短,不仅要耗费大量的人力、物力甚至会诱发失效.考虑到产品贮存状态变化的复杂性,论文提出了Weibull分布产品基于贮存可靠度的序贯检测方法,可以动态调整检测间隔期,并结合仿真实例给出了序贯模型和参数估计方法.     

基于轨迹偏差改进算法的无人机飞行冲突评估

以有人驾驶飞机改装的大型无人机开展计划飞行任务作为研究背景,根据飞行姿态、运行要素和空域运行结构等特征,完成了中低空空域内轨迹偏差算法模型的改进.运用改进模型分析计算,获得了基于导航定位精度下,飞行预设位置点与实际位置点的差异和分布趋势,结合ICAO(international civil aviation organization)设计的飞行标准,首次建立了在满足民航运行安全标准下,多机种大型飞机联合运行空域内的飞行冲突量化结果.计算结果表明:改进模型综合考虑了大型无人机在转弯及直线阶段的轨迹偏差,通过偏差数据建立模板评价飞行冲突态势,获得了联合运行空域内飞行器间安全值,推导空域密度,为机场及进离场阶段执行联合计划飞行任务,提供了科学规划的依据.     

基于改进PSO-BP神经网络的贮存可靠性预测

贮存可靠性是军事储备质量监测的重要环节,科学准确地预测贮存可靠度是现代化军事评估的必然要求。针对历史贮存数据,建立可靠度与年限的贮存可靠性预测模型,采用进化策略改进粒子群算法(PSO)优化BP神经网络进行贮存可靠性预测。通过数据扩充提高样本质量和数量,应用改进后的PSO算法优化BP神经网络的初始权值和阈值,提高网络的泛化能力。PSO算法较好的全局搜索能力与BP网络很强的局部搜索能力相结合,能够避免早熟现象,提高算法的收敛速度及预测精度。实验结果表明,改进的PSO-BP网络模型比PSO-BP和BP神经网络获得更好的预测性能。     

基于FNP-ADC模型的弹药调度系统保障效能评估

正确评估诸如弹药调度系统此类复杂武器装备的系统效能,可为作战指挥决策提供重要支撑依据,从装备系统结构组成及复杂性出发,合理地表示工作状态及其转移过程,在流水网络计划(flow network planning,FNP)技术框架下应用ADC模型开展效能评估.以FNP时间参数为基础,确定了组成分系统故障一般概率分布下的可用性、可信性和保障能力表示方法,分别表示为影响因素的函数关系,最终建立了FNP-ADC模型.综合进行保障效能评估,可进一步分析因素对效能的影响程度,并给出了案例分析.     

关联系统可靠度界的改进

关联系统可靠度界的改进蔡军（扬州师范学院数学系，扬州２２５００２）ＩＭＰＲＯＶＥＤＢＯＵＮＤＳＦＯＲＣＯＨＥＲＥＮＴＳＹＳＴＥＭＲＥＬＩＡＢＩＬＩＴＹ￥ＣＡＩＪＵＮ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＹａｎｇｚｈｏｕＴｅａｃｈｅｒｓＣｏ...     

基于改进自适应混沌控制的逆可靠度分析方法

自适应混沌控制方法是一种高效、稳健的逆可靠度分析方法,但在求解强非线性凹功能函数时,计算效率仍然有待提高,且可能会陷入局部最优.通过对混沌控制因子更新策略进行改进,提出了基于改进自适应混沌控制的逆可靠度分析方法.数值算例分析表明:该方法能够有效地改善混沌控制因子自适应选取时的合理性,具有更好的收敛性和更高的计算效率,为结构可靠度分析和可靠度优化问题提供了更加高效、稳健的求解途径.     

基于自助法和核密度估计的膳食暴露评估模型

针对现阶段我国食品卫生安全保障体系的不完善,建立了基于自助法和核密度估计的膳食暴露评估模型.首先给出一种食物摄入量的抽样调查方案,并按污染物含量对特征人群进行模糊区间分类,建立特征人群每人每天食物摄入量的截尾正态分布模型.然后通过自助法重复抽样,弥补偶然抽查数据数量上的不足,提出了用对数正态分布核密度来估计污染物分布,并对模型进行了检验.在此基础上,建立了污染物摄入量模型,利用Gauss-Legendre求积公式求出其99.999%的右分位点,并且采用模糊匹配技术解决了数据不配套问题.最后对模型进行了讨论,给出了一种思路.     

基于神经网络的数值积分改进算法

讨论了一种求解数值积分的改进算法,其基本思想是:基于样条基函数的神经网络模型,应用权值直接确定法构造样条基函数,从而逼近被积函数.讨论了数值积分定理及其推论,给出了具体算例检验算法的可行性和优越性.数值结果表明,该算法具有较高的计算精度和较快的计算速度,而且不需要知道被积函数的解析表达式,只需知道被积函数的离散数据便可求得积分值,因此在工程领域中有较大的应用价值.     

对Bootstrap方法的自助抽样的改进

Bootstrap方法是一种常用的统计推断方法,它的无先验性,以及计算过程中只需要实际的观测数据,使得其可方便的应用于实际的数据处理之中。对连续情形而言,Bootstrap本身的计算特性限制了自助样本的生成范围,即只能从原样本再采样,从而使得自助分布产生偏离,无法渐近于真实情形。鉴于此不足,本文提出了改进的Bootstrap方法,它通过对自助样本生成范围的拓展,克服了这一不足,获得了更加精确的参数估计。     

大型网络基于连通可靠度的最优可靠度分配

由于网络连通可靠度计算属于NP-hard问题,当系统可靠度无法显式表达时,基于连通可靠度的大型复杂网络优化通常只能采用启发式优化算法解决．通过对复杂网络连通可靠度算法结构的分析,给出了系统连通可靠度的Taylor方程．采用遗传算法,由系统连通可靠度的Taylor方程确定种群适应值,得到一个系统最优可靠度分配方案;将最优解带入改进Minty算法或递推分解算法中,计算该最优解的连通可靠度精确值和对应的连通可靠度的Taylor展开方程;再次采用遗传算法求最优解．当最优解对应的可靠度精确值和Taylor方程算得得近似值误差小于指定精度时,则此最优解为最终的系统最优可靠度分配方案A·D2将此优化过程称为迭代遗传算法．算例显示迭代遗传算法不仅可用于大型网络的连通可靠度最优分配,而且优化迭代过程中可以得到多组阶段最优解,这些解均落在最优解附近,构成了近似最优解群,在实际工程优化中拓展了选择面．     

基于信息熵的改进鲸鱼优化算法

针对鲸鱼优化算法在面对复杂优化问题时,存在易陷入局部最优和收敛精度低等缺点,在原始鲸鱼算法的基础上,提出了信息熵的改进鲸鱼优化算法.信息熵本身是一种不确定的度量,利用信息熵在路径选择时调控鲸鱼搜索的范围,克服基本鲸鱼优化算法的不足,使算法的全局收敛速度得到提高.通过选取6个标准测试函数进行仿真实验,对改进鲸鱼优化算法、基本鲸鱼优化算法、粒子群算法进行比较,数据结果表明改进鲸鱼算法在处理高维复杂组合优化问题上的可行性与有效性.     

基于相似性度量的改进DBSCAN算法

针对传统DBSCAN算法对高维数据集聚类效果不佳且参数的选取敏感问题,提出一种新的基于相似性度量的改进DBSCAN算法.该算法构造了测地距离和共享最近邻的数据点之间的相似度矩阵,克服欧式距离对高维数据的局限性,更好地刻画数据集的真实情况.通过分析数据的分布特征来自适应确定Eps和MinPts参数.实验结果表明,所提GS-DBSCAN算法能够有效地对复杂分布的数据进行聚类,且在高维数据的聚类准确率高于对比算法,验证了算法的准确性和可行性.     

基于PI控制的改进布谷鸟算法

布谷鸟算法具有结构简单、参数少和不易陷入局部最优等优点,在电力、生物医药等领域应用广泛.针对基本布谷乌算法局部搜索能力弱和寻优精度不足等问题,提出了基于PI控制的改进布谷鸟算法.通过引入积分环节形成PI控制器,强化布谷乌算法的局部搜索能力,降低系统稳态误差.理论上分析了该算法的收敛条件,仿真实验结果表明新算法提高了收敛...     

系统可靠度的优化模型及简单算法

提高系统可靠度，往往受到给定资源、重量、体积等的限制，如何在此限制下，进行单元可靠度的提高，使得系统的可靠度达到最大，这就是本研究的主要内容。     

系统可靠度最优分配的一种算法

可靠度最优分配是系统设计、研制过程中需考虑的一个重要问题,其目的是从整体出发,将有限资源加以最有效地利用。本文将部件(元件)概率重要度应用于复杂系统(如网络系统)可靠性设计中,提出了一种系统可靠度最优分配问题中费用最小化的启发式算法。本算法直观、简单,易于在计算机上实现,而且系统设计者能全面了解整个优化过程,适合工程应用。本文还举例对算法进行了说明和比较,并表明本算法是精确可靠的。     

评估系统可靠度置信下限的随机模拟方法

由已知寿命分布和测试数据的五个不同类型部件,组成一串并联系统,本文应用Monte Carlo方法,Bootstrap方法,和Double Monte Carlo方法给出该系统的可靠度置信下限.     

基于张量的深度学习算法的改进

提出用概率协同表示(probabilistic collaborative representation-based classifier, ProCRC)的方法生成权重系数对所提取的动作特征进行更新.首先,利用深度学习的思想将人体不同动作的视频分为5层;然后分别对各层的节点进行特征提取,同时,运用ProCRC产生梯度下降法所需的权重向量,对所提取的特征进行更新;最后,基于张量的思想进行特征的聚类分析.仿真实验结果表明,该方法优于稀疏表示的方法(sparse representation-based classifier, SRC).     

于改进UGF算法的线性拓扑WSN系统可靠性评估

提出了面向感知数据融合的通用发生函数(UGF)改进算法,并使用该算法对线性拓扑结构的无线传感网络(WSN)可靠性进行了评估。首先对PEGASIS协议下WSN的线性拓扑结构及数据传输过程进行抽象,建立了双向连续k/n:F系统模型。然后根据WSN感知数据传输及融合方式,在改进算法中重新定义了传感节点的UGF表达式和组合算子。最后对双向连续k/n:F模型进行单向化分解,根据得到的单向模型可靠性推导出双向模型的可靠性表达式。通过具体实例对提出的改进算法进行了验证,计算结果显示改进的算法可有效解决传感网络线性拓扑结构可靠性评估问题。     

基于固定序的Bellman-Ford算法的改进

固定序算法是Bellman-Ford算法的一种基本改进算法。为了改变固定序算法在稀疏图上的劣势,本文通过预先订制参与迭代的点的计算顺序,对该算法进行了改进。实验表明,在稀疏图上, 改进后的算法相对于原算法计算效率提高了近50%, 并能够与国际流行的先进先出算法相媲美。本文的工作表明,固定序算法不仅在大规模稠密图上具有明显的优势,而且在稀疏图上也具有很强的竞争力。