|
摘要：随着光学精确跟踪制导、光学隐身与反隐身、光电对抗等先进技术在军事领域的广泛应用，对目标红外辐射特性数据的需求逐渐增强。虽然通过建立红外辐射特性理论计算模型，用数值模拟方法来计算目标的红外辐射特性数据的方法成本较低，但由于模型的简化、以及敌军目标参数的缺少，会导致模型温度数值计算产生误差。因此，需要研究参数不确定性分析方法，制定合适的正交试验表，计算分析出不同的参数组合情况以及各自参数的不确定区间与模型的温度计算和红外辐射计算误差波动范围之间的对应关系，确定参数缺失条件下目标红外特性建模的充要条件。 关键词：红外辐射特性 参数缺失 不确定性分析 正交试验 充要条件 选题背景以及研究意义选题背景装甲车辆作为军事领域的一个重要目标，一直是国内外的主要研究对象。20世纪中期，美国开始了对飞机、坦克等军用设备的红外隐身研究，然而，随着红外制导技术的高速发展和不断成熟，以此为基础的红外制导武器也已逐渐成为军用装甲车辆的一个主要威胁，因此，对于装甲车辆的红外辐射特性数据的需求逐渐增强。影响目标车辆和地物背景的红外辐射特性的因素众多，当在参数缺失的情况下，如何利用选择的不确定度分析方法，对不同的不完备条件组合、不同的参数不确定区间进行不确定度分析，研究目标红外特性建模的充要条件就显得格外重要。 研究意义装甲车辆红外辐射特性主要由环境参数、表面光学参数和热物性参数决定。车辆温度场数值计算是在装甲车辆温度计算模型的基础上确定各计算参数的输入值而进行的。受实际条件的约束，比如针对外军的目标，模型计算参数的准确确定存在较大困难。由于车辆温度计算模型的计算参数取值的不确定性，车辆温度计算结果将存在一定的不确定性，导致车辆红外辐射结果存在差异。因此，采用数值计算方法计算的车辆红外辐射特性与车辆实际红外辐射特性之间必然存在一定偏差，产生的主要原因是计算参数不确定性和数值计算误差。研究参数缺失情况下目标红外特性建模的充要条件，可较为直观地评价车辆热辐射模型的可靠性，为装甲车辆热辐射模型在目标隐身设计、隐身评估、目标探测识别等领域的应用提供有力依据。 |
|
国内外研究现状2.1 不确定性分析方法发展GLUE方法GLUE法（Generalised Likelyhood Uncertainty Estimation）是基于蒙特卡罗法的模型率定和不确定性分析方法。GLUE法的主要思想是异参同效理论，即模型并非只有一组最优参数，而是同时存在许多可接受的参数组，它们在不确定分析中也得考虑进去。 1996年，Free等[1]将GLUE方法应用于TOPMODEL模型预报中；1997年，Franks等[2]将GLUE方法应用于SWAT模型中；2009年，卫晓婧等人[3]结合MCMC方法，对GLUE 方法进行改进；2010年，刘艳丽等人[4]基于GLUE方法体系分析了大伙房模型参数的不确定性。这些单目标的GLUE方法对不确定性的分析是片面的，仅能从一个方面来分析其不确定性，但是多目标GLUE分析比单目标的更加准确。姜倩妮[5]选取辽河流域作为研究区，结合HEQM模型，以唐马寨站为例，在Pareto策略下的多目标GLUE仿真中得到的结果较好。温娅惠等人[6]针对参数的不确定性问题，以半湿润的陈河流域为研究区域，基于单目标GLUE方法和多目标GLUE方法，分析不同目标函数GLUE方法对实测径流的模拟能力以及参数的敏感性。 GLUE 虽然方法操作简单，模拟结果准确度高，但是似然函数和似然度的选择存在主观性和随意性。可以尝试多学科的概念，将热力学中的平衡方程以及模糊数学等概念与GLUE方法结合起来，提供更多的思路。 Monte Carlo方法Monte Carlo方法是一种基于采样的方法，其对所求结果进行多次采样，利用统计学原理确定结果的统计特征。为保证结果精度，Monte Carlo方法需要进行多次采样，需要大量的计算。因此许多学者着力于通过改变抽样方法来提高Monte Carlo方法的效率。这其中较多的研究着力于抽样方法，提出放弃随机抽样，改用拉丁超立方抽样、重要性抽样及均匀抽样等方法。 对于提高抽样效率，改善Monte Carlo方法迭代速度方面，Weathers J B等[7]对比了随机抽样与拉丁超立方抽样，详解了拉丁超立方抽样的优点；Hans Janssen[8]在前人对拉丁超立方抽样研究的基础之上，提出非折叠空间填充抽样设计以及基于复制的拉丁超立方抽样方法。Monte Carlo方法应用的领域也很广泛，2016年叶坤等人[9]对高超声速舵面热气动弹性不确定性提出了一种温度分布参数化模型，采用Monte Carlo方法生成不确定性及全局灵敏度分析所需样本，对所有样本都进热气动弹性分析，效率较好。2018年，吴昕等人[10]以燃气轮机压气机叶片Rotor37的叶片为研究对象，采用C 语言完成了Monte Carlo方法的编程，抽取了满足正态分布的顶端间隙样本，计算分析了顶部间隙的不确定性对叶片绝热效率的影响。2019年，黄宏等人[11]以温瑞塘河为例，应用Monte Carlo方法建立了河流水质评价的Monte Carlo—CWQI耦合模型，为流域水环境管理提供丰富的决策依据。 贝叶斯理论贝叶斯理论是针对传统统计方法而言的，传统统计法中，事件发生多次的频率被认为是事件的概率。而贝叶斯理论中对概率的解释为人对某一事件发生的相信程度。贝叶斯理论中，参数的后验概率密度是在先验密度和实测数据基础上来的：，其中为参数，为样本，是的条件后验分布，为总体分布，是参数的先验分布。在不同的模型中，代表着不同的参数含义。 贝叶斯方法基于实际观测到的数据，因此对于任何数量的假设能够直接赋予后验概率，严格遵循似然准则，运用广泛。刘永鑫等人[12]应用贝叶斯理论，建立了适用于建筑热环境设计与分析的热环境不满意预测模型。欧建军等人[13]基于广义熵损失函数，分别在无信息先验及共轭先验分布下进行了仿真，得到了广义熵损失函数下灵活的贝叶斯估计表达式。付大伟等人[14]通过BN网络的双向推理能力，对汽车起重机起升系统分析，发现系统薄弱环节，全面高效的对系统进行了可靠性分析。张铭泽等人[15]利用粗糙集理论对故障的信息进行综合处理，再根据贝叶斯网络实现对故障的实践诊断。刘健[16]等人在融合模糊理论的基础上，提出了一种基于贝叶斯理论的可靠性评估方法，研究水下采油树系统的工作可靠性问题，以期为水下采油树的故障诊断与维修提供理论依据和数据支撑。 整体来看，贝叶斯法的优点是它有着牢固的理论框架，能将先验信息和数据按照一定的原理结合起来；缺点也是明显的，对于代表每个假设的模型的参数必须赋予概率 ，这限制了贝叶斯理论的运用。 正交试验法正交试验法是研究多因素多水平的一种设计方法，基本原理是根据一套规格化的表格来安排试验，之后对正交试验表的数据采用数理统计的方法分析处理，能够从全面试验中，选出有代表性点进行试验，并通过这几次试验的数据，找到因素最优组合方案。正交试验法涉及到的基本概念有试验指标、因素和水平。 正交试验法广泛应用于食品、药物制备、提取、合成工艺的研究和优化，也应用于器械结构的参数优化和建筑敏感性参数的分析。刘殿柱等人[17]基于RHT模型的理论分析，选出9个参数作为正交试验分析参数，采用极差分析法对参数的敏感程度进行量化分析，得出了9个参数的敏感性排序，并且确定了三个对数值模拟结果影响极大的参数。汪海涛等人[18]采用正交试验法对墙壁开关固定架注塑成型参数进行优化，组成5因子4水平的正交试验矩阵来设计试验，通过极差分析找出墙壁开关固定架注塑成型参数优化组合。李永珍等人[19]在研究太阳能和热泵系统结合技术中，为解决优先优化次序问题，以正交试验为手段，以系统COP为目标函数，分别以极差分析和方差分析对目标函数进行分析，解决了优化优先级问题。张翰钊等人[20]基于正交试验设计了多种组合桥面系方案, 计算了自重作用下组合桥面系的挠度及应力, 利用直观分析和方差分析法对构造参数进行了敏感性分析，得出了各种构造参数对挠度和最大等效应力的影响程度。徐浩倬等人[21]基于正交试验法设计试验方案，利用方差分析得出排烟量、排烟口间距等因素对隧道集中排烟效果影响的显著程度，从而为获得最佳烟气控制方案和排烟效率提供理论基础。 正交试验法与普通的实验设计方法相比，具有实验次数少；实验成本低；试验周期短；计算简便，设计灵活；实用性强和易于掌握的特点。并且正交试验法可以根据具体的实际模型选择合适的因素个数合适的位级进行试验和分析，这样的多因素多位级试验可以使得重要参数同时达到最优值，从而得出最优的组合方案。 仿真模型可靠性的评估方法系统可靠性问题中通常存在大量的不确定参数，是因为实际工程中由于数据缺乏或试验条件的限制往往难以得到参数的精确概率分布。Ben-Haim等[22]认为当掌握的数据信息较少而不足以精确定义概率模型时，宜采用区间集合模型描述不确定性。王晓军等人[23]基于不确定性的区间集合模型描述，研究了非概率集合模型的结构可靠性分析。但在实际问题中，模型的不确定参数分为两大类，一类在实践中已经累积了大量的样本，另一类由于测试难、成本高，只有少量样本，此时采用单一的概率或者区间不确定模型则难以对问题进行有效分析。因此，研究概率与区间混合不确定性模型及其可靠性分析具有重要的意义。尼早等人[24]建立了概率-模糊-区间的混合可靠性模型，定义了结构的混合可靠度。Du等[25,26]在概率变量和区间变量并存的条件下，提出了一种基于可靠性的优化方法，随后又针对双层嵌套优化问题，构造了一种概率区间高效可靠性分析方法。 对于存在样本信息缺乏的结构体系，考虑含概率与区间混合不确定性的系统模型更适合体系可靠性的分析与设计。 参数误差灵敏度分析当模型参数因为不确定性产生误差时，模型的温度计算和红外辐射计算总会出现一定的偏差，如何描述此时的模型温度计算偏差与参数误差的传递关系就是误差传递建模要解决的问题。误差灵敏度分析方法在一些领域有着广泛的应用，比如在机构误差建模方面，根据建模机理的不同，建模方法可以分为误差矩阵法、误差矢量法。Yong H[27]以数控机床为例，提出了一种基于三维矢量链的机床空间误差模型的详细建模方法；王子通[28]将误差灵敏度分析方法应用在锻造操作机中，通过矢量法对提升机构的几何误差进行误差传递建模，为误差分析、误差辨识、误差补偿环节提供准确地运动学模型。这种辅助以各种数学简化工具进行的矢量分析，具有误差传递关系明确、易于计算等优点。刘奕颖等人[29]在研究精密机床加工误差时，利用正交试验法，得到某项精度要求与机床运动轴误差的公差带的多组对应数据，通过多元线性回归，进行灵敏度分析。阎艳等人[30]在研究确定各零部件几何误差对装配精度的影响时，基于多体系统理论建立多工序装配过程误差传递模型, 用矩阵微分法建立了几何误差对装配精度的灵敏度分析模型。李辉芳等人[31]在针对航天测量船外弹道测控系统中难以从数据残差中自动辨识误差的难题，提出了基于误差传递基函数开展匹配追踪的测量船误差溯源方法，通过误差的迭代辨识、匹配误差、定位误差，准确估计了误差值。 可见，基于误差传递函数的模型可以很好的描述参数误差和系统总误差之间的关系，可以实现正向推导和逆向辨识。 |
毕 业 设 计（论 文）开 题 报 告
|
２．本课题要研究或解决的问题和拟采用的研究手段（途径）： |
|
本课题要研究或解决的问题:
拟采用的研究手段（途径）：
参考文献
|
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
