基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.     

基于神经网络的战术C3I系统效能分析

阐述了神经元的特性和BP神经网络相关原理,指出了战术C3I系统效能是指战术C3I系统在特定的战斗环境条件下对部队潜在战斗力转化为实际战斗能力的影响程度,并根据BP神经网络模型,着重从系统自身效能和对抗效能2个方面,对战术C3I系统效能进行了分析,建立了战术C3I系统基于ANN的评估模型,从而为系统效能分析与评估探索了一种新的方法.     

基于对象的有色Petri网舰载C3I系统模型

将面向对象的分析方法和有色Petri网相结合而得到的对象有色Petri网(OCPN),将会为研究舰载C3I系统提供一种有力的工具.通过分析舰载C3I系统组成和相互关系,建立了舰载C3I系统的OCPN模型,并讨论了该模型的特点和在舰载C3I系统性能分析领域中的应用前景.     

应用神经网络评估舰载武器系统作战效能

为评估水面舰艇舰载武器系统作战效能,最大程度地提高舰艇整体作战能力,采用神经网络评估舰载武器系统的作战效能,按照建立BP网络模型、设计模型结构及确定训练样本的步骤,实现神经网络评估模型创建的全过程。该模型把各个评估指标作为输入,通过历史数据的训练确定神经网络输入、输出的对应关系,从而得出系统的效能值。神经网络评估模型可动态地评估舰载武器系统的作战效能,其评估过程确定的各指标项相互关系能很好地指导舰载武器的战术使用。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

舰载C^3I系统C^3CM效能评价

通过分析典型舰载C3I系统的组成和运行,建立了舰载C3CM(C3对抗)效能的指标体系,并探讨了部分指标的模型建立.     

基于SEA的舰载C3I系统防空作战效能评估模型

现代海战中,空中目标对舰艇的威胁越来越大,舰艇的防空作战能力已成为衡量其综合作战能力的主要指标。而C3I系统作为舰艇的指挥中枢,其性能直接决定着舰艇防空作战的成败。根据现代海战中空中目标的武器作战使用方式,并针对SEA方法的要求,提出了评估C3I系统在防空作战时系统效能的三个主要性能量度(MOP),通过分析C3I系统在防空作战时的特点,建立了评估C3I系统防空作战效能的SEA方法模型。并利用该模型比较了不同的C3I系统的作战效能,对结果进行了简要分析,证明了SEA方法模型对舰载防空C3I系统进行效能评估的可行性。     

基于神经网络和遗传算法的威胁度估计算法

针对威胁度估计问题,提出了基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。     

基于HLA的舰载多传感器信息融合系统仿真

建立具有舰载多传感器信息融合系统功能的C3I系统是目前和未来C3I系统的首要发展方向.应用HLA仿真技术进行舰载多传感器信息融合系统试验仿真,对于增强系统的通用性、灵活性、重用性和互操作性,实现复杂C3I系统集成具有重要的现实意义.首先提出了基于高层体系结构(HLA)的舰载信息融合系统的设计框架,其次阐述了系统设计思想和舰载多传感器信息融合仿真系统组成及功能,并针对作战想定背景进行了对象类和交互类的开发,最后给出了联邦仿真流程,实现功能模型和物理模型的建模.     

基于BP神经网络的C4ISR系统人机交互性能评估

针对C4ISR系统中人机交互子系统的特点,运用神经网络方法探索其性能评估问题.建立了C4ISR系统人机交互性能评估的指标体系,阐述了BP神经网络的相关原理及算法,构建了基于此网络的性能评估模型.并利用MATLAB软件进行了仿真分析,证明了理论的正确.采用神经网络理论进行性能评估,可弥补专家的经验和知识,降低评价过程中的人为因素影响,保证其客观性.模型能够比较准确地对C4ISR系统人机交互性能进行评估,为研究指挥自动化系统提供了一种新的思路.     

舰艇编队对空中目标的威胁程度判断模型

根据舰艇编队对空防御的要求,综合考虑了目标运动状态和历史战术动作,将目标攻击企图和攻击达成概率纳入目标威胁判断之中,建立了空中运动目标实时威胁程度判断模型,为编队防空作战火力组织提供了基本依据。该模型解决了传统静态威胁判断模型存在的一些问题,模型的仿真结果符合一般战术推理和经验判断,能较好地描述空中目标威胁程度的变化,可以为编队防空指挥自动化决策研究提供一定的参考。     

基于递归神经网络的C3I系统故障预报系统

阐述了C3I系统故障预测系统的设计要求,分析了带有偏差单元的递归神经网络的相关原理,建立了C3I系统故障的神经网络预测模型并提出了相应的训练算法.提出了把神经网络、预测理论和专家系统有机地结合起来建立故障预报系统的初步设想.并以防空C3I系统的典型故障为例,实现了故障的预测.预测结果证明,给出的神经网络预测模型和训练算法是可行的,且具有较高的精度.     

MATLAB神经网络的舰船磁场强度估算

舰船磁场建模常采用的方法有谐波分析、磁体模拟和有限元等方法,但普遍存在通用性不强和计算复杂等缺点.为了方便快捷地对舰船磁场强度进行估算,通过梳理影响舰船磁场强度的主要因素,利用神经网络的方法建立估算模型,网络学习采用MATLAB环境下的改进BP算法,网络训练时间短,从仿真的结果来看,估算模型具有估算精度高、通用性强的特点,补充了舰船磁场建模方法.     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

装备采购风险的BP神经网络评价模型

装备采购具有高风险的特点,科学、准确的风险评价对装备采购至关重要.传统的评价方法主观因素太强,而BP神经网络模型为装备采购风险评价开辟了新途径.首先介绍了人工神经网络模型的原理和BP算法,然后结合实例给出了用于装备采购风险评价的BP神经网络模型,采用该模型获得结果令人满意.     

基于模糊AHP法的舰艇威胁能力评估

舰艇平台的威胁能力评估是海战场态势评估的基础。依据舰艇平台搭载的武器装备,建立舰艇威胁能力评估的指标体系,采用层次分析法确定各个指标的权重,构建基于模糊综合评判法的舰艇威胁能力评估模型。基于此模型,对阿利.伯克级I和II型导弹驱逐舰威胁能力进行了评估,实验表明方法合理。     

基于BP神经网络的多功能相控阵雷达威力评估

运用动态静态结合的方法以及厂家测试数据、查阅外军资料等手段获得多功能相控阵雷达指标参数,采用BP神经网络建立威力评估模型。研究表明:所建立的BP神经网络多功能相控阵雷达威力评估模型具有很高的评估精度,可以很好地反映雷达二级指标和雷达威力之间复杂的非线性关系,为多功能相控阵雷达威力评估提供了一种准确有效的方法。     

面向任务指控系统时延分析模型及其改进

面向任务指挥控制系统是为了完成一个或多个作战任务,而将现有的相关指控系统互联互通形成网络,各种作战信息可以在网络中传输和共享的动态构建的系统.现代高技术战争模式下,时间延迟是评价面向任务的指挥控制系统构成的一项重要指标.通过指控节点的图模型,分析面向任务指控系统的结构及其中各种命令流、信息流的特点,采用网络信息熵来反映指控节点网络对信息的协调能力.通过研究和分析已有时延模型的缺点,并考虑实际应用的条件,对模型的惩罚函数进行了改进.