助飞鱼雷机动区域射击法攻潜能力研究

以飞航式助飞鱼雷为例,在分析助飞鱼雷攻潜过程的基础上,针对机动目标提出了在无指令修正情况下助飞鱼雷的机动区域射击法,并运用解析法对射击诸元进行解算。在建立助飞鱼雷作战能力仿真模型时,围绕捕获概率、鱼雷仿真和目标仿真等方面进行模型的构建,并采用蒙特卡罗方法进行仿真计算,分析采用机动区域射击方法时影响助飞鱼雷攻潜能力的主要因素及其规律,为更好发挥武器对机动目标的打击能力提供理论参考。     

一种基于动态循环筛选模型的指标体系建立方法

针对评估中指标体系构建问题,提出一种层次网指标体系模型,对其中底层指标集的确立问题提出一种基于动态循环筛选模型的指标集选取方法,该方法在每一轮的循环过程中,通过评价专家专业度对专家集进行了优化,通过数据信息熵评价数据有效度系数,进而得到指标的重要度。指标集的双重优化确保了专家集的专业性和指标集的合理性,实际算例分析证明了此方法的可行性和有效性。     

改进遗传算法求解电力网攻击无人机分队任务分配

遗传算法因其出色的寻优能力,自提出后就被广泛用于工程技术上的最优化问题求解。根据电力网攻击无人机分队任务分配的实际需要,提出基于遗传算法思想的解决方案,并在原算法基础上,采用种群分组进化的策略进行改进。详细介绍算法的基本原理和仿真步骤,再举出实际算例进行仿真,实验结果证明算法的改进取得了良好效果。     

应用极化聚类中心设计快速自适应极化滤波器

针对传统自适应极化滤波算法存在收敛速度慢、迭代步长因子选取困难等问题,采用极化聚类中心估计理论设计了一种快速自适应极化滤波器,实现了对极化雷达回波中的干扰信号逐脉冲地自适应精确对消。滤波器通过距离单元选通获取干扰信号样本,对样本极化聚类中心的直接计算能够快速估计干扰信号在当前脉冲内极化状态,依据干扰输出功率最小原则最终实现快速滤波过程,相比于传统极化滤波算法有更快的收敛速度和更稳定的干扰抑制性能。仿真对比实验结果验证了该方法的快速有效性。     

二次检测立方攻击改进与实现

对二次检测立方攻击预处理阶段的提取二次表达式的算法进行了改进以优化攻击效率。将秘密变量的变化引入攻击中,使得攻击模型更加灵活;同时,利用时空折中的思想,通过存储常数项和一次项的计算结果,有效降低二次项的计算量。将改进的方法应用于简化版的PRESENT算法和Trivium算法上,攻击效率有显著提高。     

坦克火控系统观瞄设备目标标记生成方法

针对目前新型主战坦克火控系统无法直接利用指控系统获取的目标位置信息,为乘员搜索目标提供辅助指示、指控系统的信息优势没有充分发挥的问题,提出了一种坦克火控系统观瞄设备目标标记生成方法。该方法有效利用获取的目标位置、车载导航定位系统输出的本车位置,以及火控系统瞄准线角度等相关信息,将目标位置信息转换为在观瞄设备内的投影位置坐标,实现了动态目标的自动指示。     

一种自适应Harris角点检测算法

针对传统算法检测效果不理想的问题,提出了一种基于自适应非最大抑制策略的Harris角点检测算法;通过设置抑制半径与角点响应函数的局部最大值关联,减小抑制半径获取角点。算法有效解决了阈值选取和"聚簇"的问题。实验表明,该算法检测出的角点均匀分布,能很好地适应特征匹配等实际应用。     

高架索的多体动力学模型

针对目前海上补给装备研制中尚无可用的高架索模型的现状,从多体动力学角度入手,研究了绳索多体系统动力学模型的建立方法,将绳索均匀划分为若干刚体单元,各单元之间采用球铰连接。用该方法建立了绳索的多刚体系统动力学模型,并在此基础上,应用仿真软件 ADAMS 对海上横向干货补给过程进行仿真计算。结果表明：海上补给高架索多刚体系统动力学模型完全可以模拟实际的高架索,且仿真计算结果与高架索力学振动模型的计算结果相比更贴近实际情况。     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。     

面向监督学习的稀疏平滑岭回归方法

岭回归是监督学习中的一个重要方法,被广泛用于多目标分类和识别。岭回归中一个重要的步骤是定义一个特殊的多变量标签矩阵,以实现对多类别样本的编码。通过将岭回归看作是一种基于图的监督学习方法,拓展了标签矩阵的构造方法。在岭回归的基础之上,进一步考虑投影中维度的平滑性和投影矩阵的稀疏性,提出稀疏平滑岭回归方法。对比一系列经典的监督线性分类算法,发现稀疏平滑岭回归在多个数据集上有着更好的表现。另外,实验表明新的标签矩阵构造方法不会降低原始岭回归方法的表现,同时还可以进一步提升稀疏平滑岭回归方法的性能。