基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

坦克火力运用智能系统目标威胁度评估模块

随着科学技术的发展,未来战争将有更多的智能化武器出现,坦克火力运用智能化将是坦克火力系统的发展方向,而目标威胁度评估是该系统的核心模块.应用BP神经网络建立了坦克目标威胁度评估模型,对影响因素进行了分析与预处理,并构造了3组训练样本.利用MATLAB7.0中神经网络工具箱的图形用户界面GUI对样本和影响因素进行训练、仿真.结果表明,BP神经网络模型能很好地解决坦克目标威胁程度与影响因素之间的非线性关系,评估坦克目标威胁度有很强的客观性和科学性,对未来坦克火力运用智能系统的建设具有一定的借鉴作用.     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.     

基于SysML的联合火力打击方案建模方法

为了达成联合火力打击的作战目标,必须在决策层面上确定科学的作战方案,从而指导作战计划的制定.通过对联合火力打击方案建模,一方面可以在顶层控制和协调联合火力打击作战计划的制定,另一方面可以支持联合火力打击方案对作战使命目标完成效果的评估分析.在对当前常用建模语言的对比分析的基础上,提出基于SysML的联合火力打击方案建模方法,并给出了相关视图的描述范式.实际应用表明,该方法有利于提高作战方案决策的适应性和开放性.     

BP神经网络在坦克分队火力配系中的应用

坦克分队火力配系是坦克分队防御战斗中指挥员实施战场指挥的重要内容,选取火力配系方案的优劣直接影响着防御作战的胜负.首先介绍了BP神经网络的原理及使用方法,在系统分析制约坦克分队火力配系影响因素基础上,构建了火力配系方案评估的指标体系,接着详细设计了用于评估火力配系方案的BP神经网络模型,并利用MATLAB仿真软件对结果进行了计算和分析.结果表明BP神经网络具有很强的解决复杂非线性关系问题的特点,适用于对坦克分队火力配系方案优劣分析和评价.     

联合火力打击空军目标分配模型研究

目标分配是制定联合火力打击作战计划的首要问题。建立联合火力打击目标分配模型的前提是要有全军统一的毁伤标准和武器毁伤能力指标。利用效能指数和数学规划分四个步骤建立了联合火力打击中空军目标分配的模型和算法,为软件实现联合火力打击目标分配提供了理论基础。     

基于BP神经网络的坦克炮火力威力评价模型

从分析不同型号坦克炮的主要性能指标入手,应用BP神经网络理论和方法探索其火力威力评价的问题.建立了坦克炮火力威力评价的BP神经网络模型,对原始评价指标进行了归一化处理,并构造了3组训练样本,利用MATLAB6.5中神经网络工具箱的图形用户界面GUI对评价指标和样本进行训练、仿真,并对结果进行比较.结果表明,BP神经网络模型能很好地解决评价指标与结果之间的非线性关系,评价坦克炮火力威力简便可靠,客观性强;研究结果可为坦克炮的进一步开发和研制提供理论参考.     

多重优化的分布式无线覆盖探测算法

为满足无线通信网络信号覆盖有效性的实时实地可重复探测的需求,提出一种基于传感器网络的分布式无线覆盖探测算法。通过随机部署于目标区域内的无线传感器节点对无线通信网接收信号强度进行感知和预处理;利用变异函数构造新的BP神经网络目标函数,通过改进粒子群算法优化其初始权值和阈值;利用训练好的网络模型对存在探测盲区的目标区域进行插值估计,并联合传感器节点采集到的数据生成无线通信网络等信号强度线。仿真结果表明,所提算法比其他经典算法具有更高的精度,可有效探测目标区域无线通信网络的信号覆盖情况。     

合成分队火力分配自适应决策模型研究

针对合成分队武器和打击目标种类多样,战场态势变化迅速的特点,提出了一种火力分配自适应决策模型。该模型在火力分配中加入满意度函数以提高整体火力打击效率,根据各决策单元评估信息通过灰色关联法获得目标价值,根据目标类型和特点通过BP神经网络自动选择适合打击武器,通过GM(1,1)模型预测目标状态指标并结合相应的影响因素预测命中概率。仿真实例表明,自适应火力分配模型能够依据态势变化信息调整火力分配模型参数,获得更加合理有效的火力分配结果。     

基于BP网络的坦克火力性能评价模型

应用神经网络理论与方法建立了坦克火力性能比较的BP网络模型,利用MATLAB中神经网络工具箱对国内外几种代表性坦克的火力性能进行比较.结果表明,BP神经网络模型能很好地解决评价因子与装备性能之间的非线性关系,评价坦克火力性能简便可靠,客观性强.     

尖点突变模型对单通道火力打击问题的研究

分析单通道火力打击的作战过程,在此基础上,运用系统学中的系统突变理论,通过对打击问题的分析,建立基于尖点突变的数学模型,提出避免系统发生突变的条件,为进一步研究此类火力打击问题提供理论参考。     

美军航母战斗群空袭火力对地攻击效能分析

以美军航母战斗大队标准编成为例,简要分析了美军航母战斗群的空袭火力构成。进而分别建立了机载普通对地攻击弹药和巡航导弹、空地导弹对地面目标的毁伤能力的模型。然后以此为基础,从空袭兵器的突防概率、对目标的发现概率、对各类目标的毁伤概率和空袭某一目标所需的兵力4个方面,对航母战斗群空袭火力体系的对地攻击效能进行了深入研究,并建立相应的数学模型。最后根据在历次战争中得到的经验数据,对美军航母战斗群空袭火力对地攻击效能进行了计算,并分析了计算结果,为科学判断敌情提供了依据。     

侦察打击一体化作战模式下炮兵装备体系组分需求研究

界定了作战模式、炮兵装备体系组分需求等概念,分析了侦察打击一体化作战模式的内涵、装备体系的特点。通过侦察打击一体化作战模式对炮兵作战流程、能力要求的分析,构建了为适应这一要求的炮兵装备体系组分需求方案,得出其是由情报侦察系统、信息处理与指挥控制系统、火力打击系统和保障系统组成的结论。并据此绘制了侦察打击一体化作战模式下的炮兵装备体系结构及信息流程图。     

信息化条件下防精确打击的策略

信息化条件下,精确打击已经成为主要的火力打击方式,防精确打击是一个现实而紧迫的课题。介绍了精确打击武器的概念、分类和应用现状;针对各种精确打击武器的制导原理,提出防精确打击的主要策略。认为反侦察是防精确打击的关键,干扰制导装置是重要手段,建立完善的预警系统必不可少,设置假目标是低成本高效益的防精确打击措施。     

科索沃空袭对精确制导及防御技术的启示

通过对科索沃空袭武器的分析,指出精确打击与航天系统支援作战是空袭的主要特点。科索沃空袭为反空袭作战与精确制导武器的发展提供了有益的启示     

基于最优打击序列的弹道导弹火力分配模型研究

针对弹道导弹火力计划的拟制过程进行研究。围绕效费比最大化目标,对目标打击序列的影响因素进行了分析,设计了打击目标排序算法;采用层次分析法对弹道导弹打击能力进行了分析,并对打击目标所使用的作战单位排序值进行了计算,建立了最优火力分配模型。该模型不仅可最大发挥作战单位的作战能力,而且满足以最小代价获取最佳打击效果。     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

基于Matlab神经网络的水下目标识别

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了目标像素灰度分布特征提取方法,并针对水下光信号衰减的情况,采用了色彩"补偿"的解决方案.对图像矩阵通过奇异值分解得到了目标有效维特征向量,分类器设计采用了Matlab环境下的BP神经网络,识别结果是令人满意的.这对猎雷具装备的发展具有一定的参考价值.     

一种改进的空袭目标威胁等级评估模型

量化判定空袭目标威胁等级是数字化战场信息融合的重要内容,也是未来联合防空作战中指挥决策系统合理分配作战资源的基本依据。但是,空袭目标威胁等级的评判标准至今尚未统一,本文首先使用AHP法建立空袭目标威胁等级层次分析模型,针对AHP法构建成对比较矩阵过于繁琐及各指标权重难以把握的弊端,只针对层次分析模型最下层的相关指标进行分析并提出量化方法,随后根据量化数值直接构建判断矩阵,并结合DELPHI法给出诸项评估指标的权重。最后,通过实例验证了该模型的有效性和准确性。