RBF神经网络在深V型滑行艇阻力预报中的应用

基于SV、JYK系列滑行艇的阻力、浸湿面积、航行纵倾角试验数据,采用RBF神经网络建立了深V型滑行艇阻力预报数值图谱;针对艇艉底部横向斜升角变化的有限试验数据,提出了一种基于小样本试验数据的阻力修正方法。试验表明,该方法对深V型滑行艇(折角线长度与最大折角线宽度比在4~5.5,面积负荷系数在5.5~7,重心纵向相对位置在3%~9%,艉部艇底斜升角在5°~25°之间变化)阻力预报是可行的。在相同精度下,针对该文研究的问题,RBF神经网络所需时间少于BP神经网络。     

基于再制造的装备多寿命周期工程

再制造工程为实现社会的可持续发展提供丁有效手段，也促进了装备多寿命周期的使用及发展。分析了国内外多寿命周期的研究现状，提出了基于再制造的装备多寿命周期的内涵，并探讨了装备多寿命周期发展的哲学及科学基础，阐述了基于再制造的装备多寿命周期工程的若干关键技术。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

基于舵机俯仰姿态控制回路的电视制导设计

设计了舵机系统的俯仰姿态控制回路，并通过舵偏角的改变来说明电视制导系统的设计理念。首先，通过建立导弹的运动学模型，选择适当的旋转变压器和减速器，并采用三点导引法完成了电视制导系统的设计。然后，根据数学模型计算出各个环节中的传递函数，采用simulink软件仿真，通过适当的改变参数，并采用积分环节进行校正，实现电视制导的控制系统。最后，通过对电视制导控制系统建模和仿真，并对系统输出产生的误差进行相关说明，提出改进意见。     

电视制导无人攻击机垂直命中目标毁伤概率分析

综合考虑电视指令制导无人攻击机的攻击作战过程,将其末制导设定为满足落角约束的目标跟踪问题,设计了一种基于自动驾驶仪能保持无人攻击机垂直命中目标末制导律,并提出了一种电视制导无人攻击机垂直命中目标的毁伤概率的计算方法.通过仿真计算.结果比较符合实际,为提高和评估无人攻击机的作战效能.提供了简单有效的方法.     

一种基于规则的OWL-S本体语法一致性维护方法

OWL-S本体语法一致性维护是语义Web服务维护工程中需要重点研究的问题.提出一个一致性维护框架指导知识工程师进行OWL-S本体语法一致性维护,定义并抽象出OWL-S本体基本变化,提出变化关联矩阵分析基本变化间的依赖关系,基于关联矩阵提出额外变化序列生成算法分析基本变化对全局的影响,并分析了算法时间复杂性.对OWL-S本体语法一致性规则进行了形式化定义,使机器能够自动检测这些规则,辅助知识工程师完成OWL-S本体语法一致性维护工作.     

基于约束条件的海上机动目标位置长期预测模型

海上目标运动模型已经有很多,但是对海上机动目标位置的长期预测问题还没有得到很好的解决。灰色系统理论是解决时间序列问题的有效工具,将其与海上机动目标的运动特点相结合,可以较准确地预测海上机动目标在未来较长时期内的位置分布,为引导卫星搜索海上机动目标提供理论依据。     

一种地波雷达反对抗能力评估方法

针对地波雷达的特点,建立了地波雷达反对抗能力评估指标体系;提出了基于拟合函数的模糊层次分析法,通过拟合函数的方法确定各指标的权值;对各单项指标效能值量化后,自下而上对其进行综合评估;最后通过仿真评估验证了该方法的适用性.     

消防指挥中心信息化建设综合集成技术应用研究

综合集成是消防指挥中心信息化建设的核心内容,介绍了国内消防指挥中心信息化建设的发展趋势,主要针对建设中网络、图像、语音、数据四大综合集成的开发和应用提出基本思路,旨在建立一个高效、协同的一体化综合集成管理平台,实现各类系统综合应用,建立消防管理以及指挥作战新模式,充分发挥信息化的综合优势。     

海上不明空情威胁评估模型研究

针对海上不明空情敌我属性、意图模糊及空情信息不确定的特点，依据贝叶斯网络算法，提出与不明空情相关的威胁因子及其状态，建立威胁评估模型，并运用专家知识及样本数据确定模型中的条件概率参数。最后通过对美国海军“Stark”案例进行仿真，结果证明该模型对海上不明空情能作出准确的威胁等级评估。