无源定位作为现代信息化战场中电子侦察的重要技术, 可以在自身不辐射电磁波的情况下实现对敌方目标的精确定位。以高灵活性、高安全性的无人机(unmanned aerial vehicle, UAV)集群为接收站, 研究基于到达时差测量的辐射源定位方法。作为高机动平台, UAV集群的位置误差更大, 基于该情况对Chan算法、Taylor算法进行改进, 并提出了一种粒子群泰勒协同的解算方法。与其他方法的定位结果进行对比, 仿真结果表明所提的方法定位精度接近克拉美罗下界(Cramer-Rao lower bound, CRLB), 解决了Taylor算法的初值问题。

从雷达回波中获取目标几何参数信息往往存在高计算成本、非线性等困难。该文基于卷积神经网络和前馈神经网络, 提出了一种依据散射中心时频像特征的目标类型自动识别和目标几何参数自动提取方法。由于构建一个神经网络需要大量的训练数据样本, 而扩展目标的散射场计算又非常耗时, 利用基于已知目标已建立的散射中心模型, 快速生成大样本训练数据, 有效解决了训练样本难以获得的问题。以弹头类目标为例给出了数值实验结果, 证实了所提方法的有效性。

频控阵通过在各阵元的发射基频上引入一个微小的频率偏移, 可以产生距离和角度相关的波束，这使得频控阵在信息和信号处理中更加灵活。但是, 大多数文献在分析频控阵时, 都假设阵元位置是理想而无误差的。而在实际情况中, 阵元位置往往会存在制造误差, 这必定会让实际发射波束的各项性能指标偏离理论设计的性能指标。而目前，几乎没有关于频控阵阵列位置误差分析的文献, 因此迫切需要寻找一种对频控阵阵元位置误差进行分析的方法。提出一种基于区间分析算法的频控阵阵列位置误差分析方法，以分析各阵元位置误差对波束性能的影响。该方法首先假设各阵元位置误差在某个已知的区间, 然后通过一系列数值计算得到误差对波束性能影响的上界和下界, 最后通过仿真实验验证此方法的有效性。

雷达测距测速应用中的精确性取决于时间上的高分辨率, 而传统基于有限长单位冲激响应(finite impulse response, FIR)滤波的高精度延时设计所需的滤波阶数过高, 滤波处理较慢且复杂。为了加快滤波速度和节省硬件资源, 将数字内插与多相滤波技术结合, 提出了一种基于多相滤波的高精度延时设计方案。根据延时精度对FIR滤波系数向量重新排序, 依据延时量大小选择多相子滤波器对采样序列进行滤波处理, 实现小于整数倍采样间隔的高精度延时, 具有滤波速度快、节省硬件资源的特点。仿真分析延时信号的相位, 表明了所提多相滤波方案可实现高精度延时。借助现场可编程逻辑门阵列(field programmable gate array, FPGA)平台, 时钟频率为245.76 MHz时, 实测的延时精度可低至0.509 ns。

针对频控阵(frequency diverse array, FDA)在对与目标位置相近的平台外干扰进行抑制时, 传统FDA与非线性频偏结合不能实现距离-角度去耦合、对数递增FDA主瓣展宽较大和汉明窗加权FDA距离维旁瓣过高的问题, 在充分研究汉明窗加权的线性FDA(Hamming linear FDA, HL-FDA)方案的基础上, 对4种频偏方案的性能进行了分析, 提出采用FDA多输入多输出结构代替传统的一维均匀线性FDA结构, 通过结合最小方差无失真响应(minimum variance distortion free respinse, MVDR)准则, 将HL-FDA应用到MVDR自适应波束形成层面, 对平台外干扰进行抑制。仿真验证了HL-FDA在结合MVDR自适应波束形成算法后能有效地对抗距离-角度二维平台外干扰。

针对传统数字水印算法的透明性随嵌入强度的增加而下降的问题, 已有许多零水印算法提出。然而大多数算法或是鲁棒性和稳定性较差, 或是基于灰度图像设计的。本文提出一种基于彩色图像Tetrolet变换的频数质心零水印算法。该算法先提取彩色载体图像YCbCr空间的亮度分量, 再对亮度分量进行Tetrolet变换获得其低频系数, 再通过分块非负矩阵分解, 采用计算频数质心的方法构造特征矩阵。对水印信息依次进行Polar码编码, 二维交织构造出交织矩阵; 最后将含有水印信息的交织方阵和特征矩阵进行异或操作生成零水印。仿真结果证明, 该零水印算法可以有效抵抗非几何攻击、几何攻击以及组合攻击, 水印提取归一化相关系数值在0.9以上, 具有较强的鲁棒性和稳定性, 且具有良好的实用性。

针对最小冗余线阵难以用于阵列设计的问题, 设计了一种性能相近的最优冗余线阵, 为实现相应阵列的欠定信号到达角(direction of arrival, DOA)估计, 又提出了一种基于两次重构的快速协方差向量稀疏表示方法。该方法利用凸优化中最优解条件, 实现了Toeplitz协方差矩阵的快速高精度重构, 进而基于构造的协方差向量稀疏表示模型, 实现了欠定信号DOA估计。仿真结果证明, 最优冗余线阵相较于其他稀疏线阵, 耦合影响更低, 测向精度更高, 所提算法较同类算法DOA估计精度更高。

结构化稀疏逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像是空间态势感知与目标识别的重要手段。该问题可通过压缩感知(compressive sensing, CS)方法解决。目前, 许多传统CS方法仍存在运算效率低、参数适应性不强等问题。针对该问题, 本文提出了一种基于卷积交替方向乘子法网络(convolutional alternating direction method of multipliers network, C-ADMMN)的结构化稀疏ISAR成像方法。利用深度展开方法, 结合传统结构化稀疏ISAR成像模型, 构建C-ADMMN网络。通过监督学习, C-ADMMN仅需约10层网络便可达到传统方法上百次迭代的效果, 具有较高的运算效率且对不同目标具有一定适应性。基于仿真与实测数据的实验结果验证了网络的高效性与参数适应性。

在弹载寻的制导阶段, 针对传统双基定位方法受限于速度、角度等参数精度的问题, 提出一种最优解析-迭代双基定位方法。该方法首先建立基于图像匹配的弹载双基前视成像定位模型, 并分析推导出定位模型的解析解集, 然后结合惯导参数与初始迭代点的选取准则, 确立最优初始迭代点, 实现快速迭代搜索, 获取接收雷达最优三维坐标, 完成双基雷达的精确定位。在此基础上, 建立运动误差和匹配误差模型, 并通过仿真实验分析其对定位精度的影响。仿真实验验证了在相同实验环境和条件下, 最优解析-迭代定位方法的有效性和准确性。

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。

在多功能雷达对抗领域, 目前基于强化学习理论的认知干扰决策方法难以满足雷达对抗高实时性要求。对此, 将异步优势行动者-评论家(asynchronous advantage actor-critic, A3C)算法引入到认知干扰决策领域, 设计了包括干扰机模型、环境模型(目标方多功能雷达)以及交互机制的认知干扰决策整体框架, 制定了干扰决策流程, 干扰机模型利用异步多线程方式与环境模型进行交互训练。仿真实验表明, 在扩充雷达任务转换关系表的基础上, 所提方法与基于深度Q网络(deep Q network, DQN)的认知干扰决策系列方法相比, 极大地提高了时间效率, 平均决策时间降低70%以上, 并且在决策准确度上有着明显优势, 表明所提方法能够为多功能雷达对抗决策提供更有力的技术支撑。

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。

为提升复杂电磁环境下雷达对抗侦察系统的可靠性及抗干扰能力, 提出了一种基于多传感器融合的综合权值估计算法。首先由各传感器对原始数据进行分批估计得到局部期望及方差, 然后利用四分位离散度剔除异常数据, 接着针对局部估计结果通过测度算子以及自适应融合估计算法分别确定各传感器权重, 最后利用综合权重进行加权得到融合结果。仿真结果表明, 所提算法在不同情况下均能得到较高的融合精度, 较现有算法具有更好的适应能力及准确性。

战斗机-无人机编组协同(fighter-drone teaming, FDT)是人员-信息-物理-智能一体化的全新作战形态, 其系统需求捕获与验证方法尚没有工程先例和经验可循, 亟需正向探索和实践。在一般的基于模型的系统工程(model-based systems engineering, MBSE)方法基础上, 提出整体纳入跨装备协同要素、将分析模型和验证模型分开构建、同步考量逻辑行为与时空关系的捕获与验证策略, 以及适用于编组协同“任务场景构建-系统行为分析-需求映射定义-模型在环验证”的流程和具体方法, 进而以典型“二带二”对地FDT为例进行应用检验。检验结果表明, 该方法可满足工程总体多专业联合工作需要, 能够高效形成编组协同系统需求清单及相应的捕获与验证依据, 从而为后续的系统设计和实现确立清晰的开发目标和设计指导。

当前国际形势复杂多变, 战略态势越来越紧张, 把握对手战略目标对维护领土和主权完整具有重要意义。以对手国防建设项目作为手段, 研究对手的战略目标, 为战略目标与建设项目预实践研究提供了一种新思路。首先提出战略智能体信念-愿望-意图(belief-desire-intention，BDI)模型框架, 为分析战略目标与国防建设项目提供统一的逻辑框架, 并基于本领域的不确定知识图谱推理, 实现战略智能体BDI模型, 最终得到相对完善的国防建设项目-战略图谱, 对新时期制定对等的军事战略方针具有重要指导和参考价值。

任务分配是提高无人机运维效率的关键技术之一。针对子系统执行能力约束条件下的无人机蜂群协同任务分配问题, 提出一种融合拍卖机制的改进狼群算法。首先, 定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述。其次, 对个体狼采用矩阵编码, 针对违反攻击次数的非可行解, 提出基于拍卖机制的修正策略, 以进行处理。然后, 在个体狼位置更新过程中融入遗传算法思想, 在探索阶段和围捕阶段分别进行相邻行交换操作和间隔列交叉操作, 以实现快速寻优。最后, 将第三优狼引入到狼群更新过程中, 从而增强种群的多样性。仿真实验结果表明, 所提方法能够有效求解子系统执行能力约束下无人机蜂群协同任务规划问题; 且相比于其他改进进化算法, 所提方法具有更好的寻优性与收敛速度。

韧性可以全面描述装备体系吸收打击或干扰、并从打击或干扰中恢复的能力, 体现了体系的综合性能。针对装备体系的韧性提出了一种量化评价方法, 以对装备体系作战网络链路进行重要度评估。首先给出了装备体系韧性的明确定义, 并建立了量化韧性的数学模型; 其次提出了基于韧性增加值的链路重要度指标, 并构建了一种基于装备体系韧性的作战网络链路重要度评估模型; 然后构建了不同的恢复策略，并分析了其对作战网络性能恢复的影响; 最后通过应用案例验证了所提方法与模型的适用性和合理性, 为优化体系结构、保障和提高体系作战性能提供了理论支撑, 也为进一步开展基于装备体系韧性的作战网络应用研究提供了参考借鉴。

针对传统空战态势威胁评估存在“状态失衡”以及难以体现决策者个体行为差异的问题, 首先针对空战过程中多时刻态势信息, 提出基于变权理论的态势权重解析方法, 并结合基于正态累积分布生成时间序列权重的算法, 解决属性参数与权值动态匹配的问题。其次, 基于混杂态势信息, 综合考虑飞行员有限理性和个体行为存在差异的特点, 提出基于模糊动态交互式多准则决策(fuzzy dynamic interactive multi-criteria decision-making, FD-TODIM)算法的混杂空战多目标威胁评估方法。最后, 进行了仿真验证和分析。仿真结果表明, 该模型可充分挖掘历史信息影响, 有效融合多个时刻混杂空战态势的混杂信息, 并根据不同飞行员个体差异, 生成具有实际意义的空战威胁态势评估结果。

针对武器装备供应商选择问题, 提出了一种基于灰色群组(grey group clustering, GGC)和改进标准间冲突性相关性(improved criteria importance through intercriteria correlation, ICRITIC)组合赋权的扩展多属性妥协解(VIKOR)决策方法。采用考虑决策专家意见差异程度的群层次分析法对供应商初选指标体系进行降维遴选, 构建武器装备供应商优选指标体系; 结合GGC和ICRITIC组合赋权方法确定主客观权重, 并设计权偏好系数进行加法组合赋权; 基于VIKOR决策方法集结备选供应商折衷排序值。针对不同折衷系数、排序方法和赋权方法从决策灵活性和稳定性两个维度进行对比分析, 验证所提方法的有效性。

针对杂波环境下的多目标跟踪问题, 基于可移动主被动传感器系统, 提出了一种辐射控制的长时调度方法。首先, 建立调度模型, 对多目标运动状态和量测结果、传感器调度动作等进行数学描述; 同时, 基于雷达工作原理和截获概率的思想, 提出改进的辐射风险量化方法。随后, 利用高斯混合概率假设密度滤波算法预测长时跟踪精度, 利用所提改进的量化方法预测长时辐射代价, 并利用改进的灰狼优化算法求解传感器调度方案。最后, 执行调度方案获得多目标量测信息, 采用联合广义标签多伯努利滤波算法计算目标估计状态。仿真实验表明, 所提调度方法在保证跟踪精度的基础上, 能够实现对辐射代价的有效控制, 与其他方法相比具有明显的优势。

针对具有碰撞角约束的机动目标拦截问题, 提出一种有限时间收敛的分数阶终端滑模制导律。首先, 建立二维平面的导弹目标相对运动模型。其次, 分别选择分数阶滑模面和分数阶趋近律, 设计分数阶终端滑模制导律, 并对制导系统的有限时间稳定性进行了证明。同时, 为准确获得目标机动信息, 提出一种基于鲁棒精确微分器的目标机动加速度估计方法, 对制导律进行补偿。最后, 通过与相关制导律的对比仿真, 验证了所提分数阶终端滑模制导律具有较高的制导精度, 同时可有效抑制滑模抖振。

超紧组合是全球卫星导航系统(global navigation satellite system, GNSS)和捷联惯性导航系统(strapdown inertial navigation system, SINS)组合中最深层次的信息融合方式。由于需要重新设计GNSS接收机内部的捕获跟踪环路以接收SINS的辅助信息, 超紧组合的工程实现较为困难。从信号级层次出发研究超紧组合的难点在于得到同源且同步的GNSS和SINS信号, 并打开GNSS接收机的捕获跟踪环路。为此, 构建了信号级GNSS/SINS超紧组合仿真平台, 分别设计了载体轨迹发生器、GNSS中频信号发生器、惯导解算器、GNSS软件接收机、组合导航滤波器等关键环节, 从而攻克了上述技术难关。该仿真平台不仅验证了超紧组合在高动态应用方面的优越性, 同时也为其迈向实际应用奠定了坚实的基础。

针对飞行器在线航迹规划对算法实时性与结果最优性要求高的问题，基于强化学习方法改进三维A^*算法。首先，引入收缩因子改进代价函数的启发信息加权方法提升算法时间性能；其次，建立算法实时性与结果最优性的性能变化度量模型，结合深度确定性策略梯度方法设计动作-状态与奖励函数，对收缩因子进行优化训练；最后，在多场景下对改进后的三维A^*算法进行仿真验证。仿真结果表明，改进算法能够在保证航迹结果最优性的同时有效提升算法时间性能。

为了减小室外无人机(unmanned aerial vehicle，UAV)监测过程中的定位误差，对室外UAV进行实时定位，提出了一种基于随机森林的Chan-Taylor三维定位算法。通过K近邻对定位数据扩展后，根据Chan-Taylor算法将随机信号多径噪声转化为高斯分布，便于模型提取信号特征。使用交叉验证，实现随机森林特征参数与混淆矩阵阈值的自适应确定，并用该阈值衡量模型的一致性。利用分类结果更新UAV定位权值矩阵，有效地补偿目标高度数据。此外，使用标定UAV对设备误差进行估计，校正定位结果。理论分析与仿真结果表明，该算法能够有效地提高UAV定位精度，实现利用移动通信基站对UAV进行无源定位。

可重复使用运载器在进近着陆阶段对位置偏差有较高的精度要求, 而现有的组合导航方式的导航误差波动幅度较大, 难以满足运载器在进近着陆段的导航要求。因此，本文利用捷联惯导系统(strap-down inertial navigation system，SINS)的非线性误差传播模型, 以陆基增强系统(ground based augmentation system，GBAS)输出的精确位置信息为基础, 建立SINS/GBAS组合导航方法, 并给出“输出+反馈”的组合导航复合修正结构。通过在GBAS中引入电离层误差及对流层误差, 从而实现了对于运载器定位误差在厘米级的精确定位。此外，通过引入扩展卡尔曼滤波技术, 有效地抑制了惯导误差漂移的问题。通过数值模拟仿真, 证明SINS/GBAS组合导航对飞行器进近着陆段的水平与高程定位误差不大于0.05 m, 测速误差不大于0.05 m/s, 从而证实了SINS/GBAS组合导航方式在可重复运载器在进近着陆段导航的可行性。

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。

探月活动的深入开展对月球中继星座的覆盖连续性、通信即时性、导航精准性及建设成本的要求越来越高。通导一体化的出现可为月球星座设计带来新思路, 可在为月面用户提供通信中继服务的同时, 在三重覆盖下实现高精度月面用户定位。针对不同卫星数量、不同轨道高度的环月星座轨道, 分析了其单重、双重和三重全月面全时覆盖的性能, 提出了特定高度下针对不同覆盖重数所需卫星数量的理论最小值, 并进行了仿真验证; 而后在通导一体化设计准则下, 对三重覆盖的情况进行了月面用户定位仿真分析, 结果显示三重覆盖定位精度可达米级。

针对相干信源的波达方向(direction of arrival, DOA)估计问题, 传统的空间平滑算法通过减小阵列孔径来解相干, 导致估计精度降低。本文以相干分布源为研究对象, 首先通过扩展共轭虚拟阵列增大阵列孔径, 使用Toeplitz算法进行预估计, 根据预估计值构建加权矩阵, 通过二次加权空间平滑恢复协方差矩阵的秩, 消除信号的相干性, 结合传播因子算法估计得到目标信源的入射角度。该算法充分利用子阵输出的自相关和互相关信息, 改善了阵列孔径带来的精度影响。仿真结果表明, 所提算法对相干信源具有良好的分辨能力和估计精度, 在低信噪比时鲁棒性较好。

由于无人机毫米波通信技术具有高速数据传输和广域网络覆盖能力, 因此在军用和民用领域中拥有广阔的应用前景。针对无人机毫米波通信需要进行精确的波束跟踪这一问题, 提出一种基于改进无迹卡尔曼粒子滤波算法的三维波束跟踪方法。该方法首先利用无迹卡尔曼滤波建立建议密度函数并更新采样粒子; 然后计算每一个采样粒子的权值, 并在归一化后再次对粒子进行重采样; 最后计算粒子均值, 得到波束跟踪角度。仿真结果表明, 该方法相较于以往毫米波波束跟踪方法大大降低了估计误差, 显著提高了波束的跟踪精度。

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。

为了应对对等网络中的“搭便车”行为, 提出一个惩罚策略, 即对“搭便车”行为的请求节点和资源共享的请求节点提供差异化服务, 减少“搭便车”行为的请求节点的个人收益。使用带有两类服务台、负顾客的多重工作休假M/M/c+d排队模型对混合对等网络进行建模, 利用矩阵几何解的方法, 得到了系统的稳态分布。通过数值实验定量刻画了参数变化对系统性能的影响, 对比了请求节点的个人平均收益。实验结果显示, 无论在哪一个休假参数水平下, Ⅰ类请求节点的个人平均收益相比于Ⅱ类请求节点的个人平均收益至少高出20%。

随着战争形态向着体系化、智能化转变, 装备保障体系有了新挑战。同时, 动态变化的战场环境要求装备体系要适应战场态势, 动态支撑作战任务。目前, 装备保障体系建模研究存在与作战任务联系不紧密、与装备体系不匹配, 不能充分体现装备保障体系自主性等问题。首先, 基于多Agent方法, 从结构和流程两个方面对装备保障体系的任务层、基地层、装备层建模, 重点考虑保障任务中时间和空间约束问题; 其次, 提出面向任务的装备保障体系评价指标, 构建指标模型; 最后, 通过对典型作战任务对应保障活动进行仿真, 验证模型的合理性和有效性, 并完成装备保障体系的效能评估。本研究可为装备保障体系结构优化、流程设计等工作提供参考。

针对单部件系统提出考虑竞争失效的视情维修和备件订购联合策略, 采用控制限维修策略和动态随机冲击阈值机制判别是否需要进行预防性维修(preventive maintenance, PM)或故障更换(corrective replacement, CR), 当退化达到PM阈值时执行不完美维修(imperfect maintenance, IPM), 且经有限次IPM后对系统进行预防性更换(preventive replacement, PR)。同时, 考虑IPM和随机冲击对退化量和退化率的影响, 进而构建基于维纳过程的多阶段退化模型; 引入备件订购阈值, 根据冲击幅值与冲击阈值的关系决定是否正常订购备件。分析更新事件并利用更新报酬理论建立最小化平均费用的联合策略优化模型, 设计离散事件仿真算法求解, 最后通过实例验证了所提模型和算法的有效性。

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题, 将定性模型与数据驱动方法相结合, 提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先, 根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵, 基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次, 提取测试信号的小波包Shannon熵作为特征向量, 以欧式距离作为相似性度量指标, 将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后, 构建故障可诊断性评价矩阵, 依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后, 通过仿真分析验证了所提方法的有效性。结果表明, 所提方法在不构建数学模型的前提下, 能够实现电子系统的故障可诊断性的定量评价。