【摘 要】
：
基于dropout NN(dropout Neural Network)的设备剩余寿命(RUL)预测方法因使用具有固定分布形式的先验与近似后验的贝叶斯神经网络(BNN)导致预测精度较低.为解决该问题,提出基于高斯近似后验BNN的RUL预测方法和基于混合高斯-伯努利网络的设备RUL预测方法,前者引入混合高斯分布作为先验,通过对参数梯度进行无偏蒙特卡罗估计以优化BNN,后者引入一种离散化的高斯先验分布以正确地定义KL散度,进而可以优化BNN.在PHM 2012轴承数据集上的验证结果表明所构建的混合高斯-高斯网
【机 构】
：
火箭军工程大学,西安 710000
论文部分内容阅读
基于dropout NN(dropout Neural Network)的设备剩余寿命(RUL)预测方法因使用具有固定分布形式的先验与近似后验的贝叶斯神经网络(BNN)导致预测精度较低.为解决该问题,提出基于高斯近似后验BNN的RUL预测方法和基于混合高斯-伯努利网络的设备RUL预测方法,前者引入混合高斯分布作为先验,通过对参数梯度进行无偏蒙特卡罗估计以优化BNN,后者引入一种离散化的高斯先验分布以正确地定义KL散度,进而可以优化BNN.在PHM 2012轴承数据集上的验证结果表明所构建的混合高斯-高斯网络效果好于dropout NN,证明了改变分布组合可以获得更好的预测效果.
其他文献
多输入多输出(MIMO)雷达有着灵活的工作方式,在抗截获和弱目标探测等领域展现了突出的潜力.MIMO雷达多发多收的优势也带来了一定的限制,要求每个通道发射相互正交的波形.因此,正交波形的设计成为MIMO雷达系统的一个核心领域.提出了一种改进的Jaya算法,该算法实现了信号幅度恒定、相位任意取值的波形设计方法,设计的波形具有良好的非周期性自相关和互相关特性.基于Jaya算法框架,将遗传算法中交叉和变异的思想引入个体更新函数,以求解离散优化问题,并采用汉明扫描算法进一步优化结果.通过数值模拟直观地验证了该算法
电子战是当代信息化战争的开端,战场多时空、多维域的信息掌控权决定着战争的胜负.信息化战场的决策问题不同于传统作战指挥问题,由于战场环境的复杂性、信息的多样性、装备的信息化,干扰决策问题的研究愈加重要.目前,人工智能领域的快速发展,认知无线电、认知电子战的概念相继被提出.在基于现有研究成果的基础上,介绍了认知干扰决策理论,并梳理了国内外的相关文献,主要从认知干扰决策涉及的3个方面(状态识别预测、参量控制、资源调度)出发,归纳了常用的理论方法及其存在的不足,最后对未来雷达认知干扰决策的前景予以展望.
针对传统的通信对抗干扰效果评估方法无法在战时进行实时评估的问题,提出一种基于GA-ELM的在线评估方法.以Link-16为干扰研究对象,首先分析选取其抗干扰行为参数,建立样本库,之后利用极限学习机(ELM)对样本参数进行分类学习,同时使用改进的遗传算法(GA)优化ELM,得到GA-ELM模型.实验结果表示,使用GA-ELM在线评估方法,以抗干扰行为参数为依据,能够得出干扰效果在线评估结果.新方法克服了传统方法无法应用于战时的缺点,更加贴近实战.
目前单兵使用筒式发射弹药大都基于前置法提高命中概率,依赖于射手对目标运动信息的估计.目标运动信息主要包括目标相对于射手横向运动的角速率和偏航角,以及目标在弹目连线方向(径向)上的速度.据此提出一种利用固定在发射筒上的MIMU实时测量目标运动信息的方案,使用卡尔曼滤波算法去除传感器数据中的噪声,使用等效旋转矢量法进行姿态解算得到姿态角.设计了试验样机,通过试验验证了方案的可行性,试验结果显示,在5°和28°发射角情况下,目标运动横向角速率最大偏差分别为0.0015(°)/s和0.0025(°)/s,从而使得
研究一类具有未知输入的线性离散时间马尔可夫跳变系统的降维观测器设计问题.首先,针对含有未知输入的线性系统设计一种新的降维观测器,通过构造观测器增益矩阵,使得未知输入完全解耦.此外,通过线性矩阵不等式形式给出观测器存在的充分条件,并证明观测器误差在有限时间意义上是稳定的,保证了估计的良好暂态性.最后,通过实例验证了所提方法的有效性和可行性.
针对水下机器人(ROV)避碰机动障碍物的问题,提出了一种改进的速度障碍法,以提高复杂环境中水下机器人的自主避障能力.将动态障碍物在速度空间中的运动不确定性转化为位置的不确定性;通过分析动态障碍物的碰撞风险和最大膨胀圆的速度障碍来明确开始和结束避障的时间;设计了考虑安全性、目标趋向性和速度改变量3个因素的目标函数,以实现最优避障速度的选取.最后,通过仿真实验验证了该避障方法的可行性与有效性.
综合考虑三自由度直升机系统中各自由度之间的关系,将直升机系统分解为驱动子系统和无驱动子系统,建立了相应的三自由度直升机数学模型,模型对可能存在的外部扰动和无驱动子系统传感器故障进行了描述.设计了非线性扩张干扰观测器消除外部扰动和传感器故障带来的不利影响,设计相应的高阶滑模控制器实现对驱动子系统的跟踪控制,并基于Lyapunov理论证明了系统的稳定性.最后通过实验验证了控制方案对存在传感器故障的三自由度直升机具有良好的控制效果.
针对系统负载和外部力矩干扰的复合干扰影响下的移动机器人路径跟踪控制精度降低的问题,提出一种基于干扰观测器的移动机器人路径跟踪串级控制策略.在运动学跟踪层面,基于反步法思想,在角度误差中引入位置误差,设计全局收敛的速度控制律;在动力学跟踪层面,设计非线性滑模力矩控制器对规划速度进行跟随,同时采用超螺旋干扰观测器对复合干扰进行观测,并将干扰观测值引入力矩控制器,减小复合干扰对跟踪精度的影响.仿真结果表明,提出的方法具有良好的路径跟踪性能和抗干扰能力.
针对航空产品传统危害性矩阵分析中危害度计算精确度和效率低的问题,提出基于二维云模型的危害性评估方法.首先,采用二维云模型对产品单一故障模式进行危害性分析,求解其单一故障模式危害性水平;然后,采用灰色关联聚类分析和信息熵相结合的方法,对故障模式进行赋权,将多种故障模式的危害性水平聚合为整个产品的危害性水平;最后,结合某飞机升降舵操纵分系统案例分析,验证了所提方法的正确性.
针对传统的飞机舵面故障诊断效果差及泛化能力弱的问题,提出了将卷积神经网络(CNN)算法结合支持向量机(SVM)分类器搭建适于民机升降舵的故障诊断模型.该模型从原始的故障数据出发,逐层学习实现故障特征的提取及故障类型的识别,使用SVM替代softmax函数对故障进行分类.与传统的CNN网络、深度置信网络(DBN)模型进行测试结果对比,实验结果表明:所提方法对升降舵故障识别精确率最高,可达99％以上.为了能够直接观察这3种模型在特征表示上的差异性,对识别结果进行了降维可视化(T-SNE),通过可视化之后的图形