航天工程中结构可靠性要求较高，失效概率小，利用传统Monte Carlo法得到精确解需要极大的计算量。针对此问题，提出将拉丁超立方抽样与Kriging代理模型结合，建立初始的Kriging代理模型，利用预期可行性函数（expected feasibility function， EFF）学习机制对已建立的初始模型进行主动学习，得到拟合误差最小的模型，再利用Monte Carlo法进行可靠性计算，极大地降低了计算量。最后，通过三个数值算例验证了本文方法的精度和效率。

针对可重复使用液体火箭发动机管路连接与密封的可靠性问题，结合某型液体火箭发动机的研制情况，对一次使用发动机与重复使用发动机从任务剖面、环境剖面、寿命剖面及功能要求与结构变化等方面，对比分析了发动机的可靠性需求。针对重复使用发动机的管路连接与密封的可靠性研制具体工作现状开展分析，指出了目前存在的不足，给出了管路连接与密封的可靠性设计与可靠性验证方向，提出了应对思路及管路连接与密封的可靠性工作技术途径，可为后续总体策划及研制重复使用液体火箭发动机提供参考与启发。

当前武器装备“能打仗、打胜仗”的实战化运用理念日趋深入，导弹武器装备所面临的复杂战场环境适应能力和作战使用性能健壮性等要求均极为严酷，一次设计往往不能完全满足实战化需要。针对上述问题，探索航天产品再分析、再设计、再验证（简称“三再”）工作方法在提升导弹武器装备可靠性方面的应用和实施路径有其必然性和必要性。本文通过采用逻辑决断法（logic decision principle， LDP）分析、质量功能展开（quality function deployment， QFD）设计、极限拉偏验证等方法，在导弹武器装备产品设计环节、生产过程管控、环境风险辨识等方面，落实产品风险控制措施，提高产品的可靠性和成熟度，解决装备在使用中存在的问题，也可指导后续型号改进研制设计工作。

为了提升产品和工艺设计的质量，主要是为消除初期产品的失效率从而提高其平均无故障时间，进一步地节约产品成本，基于高加速应力筛选的剖面设计理论要求，针对电子产品通过具体失效分析和试验剖面设计优化，给出电子产品高加速应力筛选的一般性筛选剖面条件，可以作为各电子产品进行高加速应力筛选的参考依据，提升其筛选试验效率。

根据面向部队、面向实战的原则，装备可靠性作为重要能力之一贯穿于装备全生命周期试验鉴定工作链路内。考虑到复杂装备系统在交付使用后通常要历经多种任务剖面，并且不同任务之间环境剖面和应力水平千差万别，致使订购方更加关注装备在役考核期间的面向实战条件的任务可靠性。本文给出了一种复杂装备系统多任务可靠性的在役评估方法，把装备在不同任务剖面下的故障率作为分类指标，当多任务剖面下的故障率相同时，利用截尾试验数据和Gamma分布建立可靠性模型；当多任务剖面下的故障率不同时，采用大数定理和解析法进行可靠性建模，并给出相应的可靠性评估方法。最后结合实例验证表明本文给出的方法可为复杂装备任务可靠性的在役考核提供一种合理可行的模型和方法。

为减少由于人与人工智能主体交互过程中的情景意识差异造成的安全隐患，开展了基于多主体和情景意识的人机系统安全性建模方法研究。首先基于情景意识构建了人工智能主体情景意识三层次模型，对情景意识失误模式和情景意识事故演化过程进行了分析；然后提出了基于多主体和情景意识的人机系统安全性建模方法；最后以自动驾驶为例对所提方法的有效性进行了验证。仿真结果与客观事实相符，证明本文所提安全性建模方法合理有效。

为了解决装备RMS指标论证过程中保障资源指标订立可能存在不合理的问题，以维修过程中常见的现场更换维修为背景，对备件利用率和备件满足率这对典型保障资源指标进行重新解读，借鉴机器学习领域中的性能度量理论，结合典型寿命分布条件下的备件需求量预测模型，提出了不同备件分类条件下的保障资源指标综合权衡方法。利用实际案例对该模型进行应用解析，并给出了参数分析结果。结果表明：基于机器学习性能度量理论的保障资源指标综合权衡方法在指标论证方面具有理论优势和工程可实践性，可提高保障资源指标论证工作的效率。

为了提高筒弹测试条件下导弹产品调试效率及提升维修性，设计了一种用于筒弹测试条件下的软件升级方法。该方法无需对导弹进行拆解，可在全弹情况下在线升级，将导弹内每个产品定义为节点，通过设计导弹内每个节点不同的CAN_ID号用以区分导弹系统内各个节点产品，以完成对各个节点产品软件升级；该方法为导弹内各个产品调试人员及维护人员提供了一种升级方法。

为了解决测试性设计中测试优化选择这一非确定性多项式难题（non-deterministic polynomial hard， NP-hard），提出一种改进模拟退火-离散粒子群算法（simulated annealing- discrete particle swarm optimization， SA-DPSO）用于求解最优完备测试集。该算法首先以离散粒子群算法（DPSO）为基础框架， 采用异步变化的学习因子，产生时变的压缩因子，以增强DPSO算法的全局搜索能力，确保其收敛性， 并取消了对速度的边界限制；然后，与具有概率突跳能力的模拟退火算法（SA）相结合，以避免DPSO算法在求解过程中陷入局部最优；最终，基于对某发控系统测试点进行优选，经验证，所提算法能够显著提升测试优化效率。

针对当前传统维修手段给复杂系统带来的故障难以定位、维修过量或出现备品备件配置不合理、资源调度不及时、维修效率低等问题，研究了基于性能退化的复杂系统视情维修技术，梳理了预防性维修和修复性维修相综合的视情维修决策流程。以复杂系统性能退化数据为基础，提出了基于趋势滤波的故障早期预警模型和基于数据驱动的故障诊断模型，考虑了故障早期预警、故障诊断、维修决策等多方面因素，构建了基于性能退化的复杂系统视情维修技术架构，对复杂系统维修保障能力和作战能力的提升具有重要意义。

为解决预测和健康管理（prognostic and health management， PHM）系统对关键部件故障机理研究不足的问题，提出一种基于希尔伯特-黄变换（Hilbert-Huang transform， HHT）的旋转机械故障机理仿真分析方法。首先对战车转塔轴承的工况和故障机理进行分析计算，然后对振动数据进行去噪和仿真，最后将仿真结果与理论计算结果进行对比分析。通过故障仿真分析验证了故障机理分析方法的有效性，可为实现武器装备故障的精准诊断奠定基础，提高故障诊断预测的准确性和稳定性。

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中，因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模，传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题，充分挖掘部件退化数据信息，依据相关退化分析技术，基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks， RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性，提高了产品退化数据分析的准确性及有效性，可对产品关键部件的寿命进行有效预测，为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。

针对组批投产的高灵敏度接收机性能稳定性是否有保证的疑问，根据高灵敏度接收机的遥测参数特性，分析选取了对环境特性敏感的通道AGC和SNR参数，利用环境试验规范规定的试验得到的不同条件下的试验数据，分析了接收通道性能一致性。对地面环境试验数据和在轨数据的分析结果表明：两种不同环境下接收机的通道性能表现横向一致。高灵敏度接收机通道性能稳定，保证了去型号化产品的广阔适应性。

针对某典型舱段内标准件、接插件等连接件开展三轴振动试验的有效性与安全性进行了评估分析。通过故障模式影响分析与仿真分析，获得了舱段产品内各类连接件在三轴振动时的失效机理以及松动失效、强度失效、疲劳失效模式下的应力分布情况，为后续三轴振动分析以及缺陷植入奠定基础。从应力、加速度、疲劳损伤3个方面对该舱段的三轴振动谱进行分析与剪裁，获得了综合剪裁谱，然后针对三轴振动综合剪裁谱的有效性以及三轴振动试验的安全性分析进行了分析与评估。经分析，三轴振动综合剪裁谱有效，能够充分激发产品潜在故障。同时，相较于传统单轴振动试验，可大幅提高试验效率、缩短试验周期。

为了提高柔性太阳翼琴铰缺陷检测的检测精度和效率，通过开展基于深度学习的柔性太阳翼琴铰表面缺陷检测方法研究，给出了一种结合目标检测和分类网络的两阶段算法。该方法通过采用自动摄像装置对琴铰进行拍照，记录琴铰表面状态，同时引入迁移学习和数据增强算法，在解决缺陷样本缺乏问题的同时，对计算资源需求低且运算性能高，达到表面缺陷检测准确率高和效率高的效果。

对月面热环境进行了调研，基于月球赤道附近着陆任务需求，对载人月球探测登月舱在月昼高温环境下的热排散方案进行了初步设计。热控系统通过冷板和换热器进行热量收集，基于流体回路进行热量传输，并以可展开式辐射器作为热量排散的主要手段，以水升华器进行热量排散的辅助手段；分析了月面月昼期间辐射器散热能力及水升华器辅助散热需求。最后，基于Python语言建立了热控系统仿真程序，对月昼期间热控系统运行性能进行了仿真分析。结果表明当辐射器面积为29 m2时，热控系统可满足舱内外设备的控温要求；设置水升华器辅助散热，可以减小辐射器面积。

针对国内首次采用四机并联大推力液氧煤油发动机的新一代运载火箭，采用FLUENT软件研究发动机喷流对火箭底部热环境的影响。结果表明：低空飞行时，喷流的相互作用较弱，返流以亚音速冲击底部中心，返流气体中空气摩尔分数占比在90%以上；高空飞行时，返流以超音速向底板流动，返流气体中高温喷流气体占50%以上，高温的返流导致底部热环境更加严酷。随飞行高度的增加，回流点更靠近箭体，箭体底部的热环境更恶劣，底部最大热流密度点出现在飞行高度约21 km处。