火箭炮位置伺服系统的鲁棒性多内模控制

为了实现火箭炮交流伺服系统的高精度位置跟踪控制,引入补偿模块,设计了一种鲁棒多内模预估控制器,是一种适应于参数时变的控制器。理论分析和仿真结果表明,所提出的方法设计简单,参数调整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性。     

变精度粗糙集的战时装备维修保障资源优化配置

以战时维修保障资源难以预测为背景,面向战时维修保障任务,建立了基于变精度粗糙集的战时装备维修保障资源优化配置模型,实现了不同精度下的多资源点、多需求点的资源优化配置。证明了战时维修保障资源所需时间的取值范围,以此推导出模型中所需时间与成本的取值范围。利用粒子群算法对该模型进行求解,得到最优目标函数值,从而验证出此模型与算法的有效性。     

拦截器姿控脉冲发动机点火控制算法

姿控脉冲发动机点火算法是大气层内拦截器末段交战中的一项关键技术。以响应时间快速性和发动机消耗量最小为目标,建立了脉冲发动机点火模型,将点火控制问题转化为组合优化问题。提出了一种离散微粒群优化算法,在微粒群优化算法框架内重新定义了微粒的位置、速度及相关的操作,进而使该算法适合求解脉冲发动机点火控制问题。仿真结果表明,基于离散微粒群优化的点火算法合理可行。     

基于相位序列降低多载波信号峰均比的研究

为了解决多载波信号峰值平均功率比(PAPR)较高的问题,从多载波信号的初始相位出发,结合预留子载波(TR)降低PAPR的方法,提出了Newman-TR联合算法,经理论分析和仿真表明,该算法能有效降低系统的PAPR,且不会产生误码率。针对所提算法复杂度较高的问题,提出一种次优搜索来代替全局搜索,降低了计算的复杂度,提高了该算法的实际可行性。     

基于重要度的航材备件库存综合优化模型

航材备件的精确保障必须将装备的使用情况和备件库存控制问题结合起来,才有利于保障人员进行正确的决策。从飞机的可用度着手,根据不同的费用标准,结合飞机的可用度和边际效用分析得到相应的最优库存模型;当费用较少时,综合考虑备件的重要度和飞机的实际使用情况,用两两赋值法求出备件的重要度权系数,重新计算可用度并调整各备件的存储量,对库存进一步进行优化;最后,给出了所提方法的计算步骤。实验结果表明,所提方法在备件库存优化中既能保证重点又能兼顾一般,既能发挥装备的最大军事效益又能节约国防成本。     

激光冲击“残余应力洞”的参数影响

在激光冲击强化过程中,光斑边界处会产生表面稀疏波,并向光斑中心传播、汇聚,使中心区域材料发生反向塑性变形,造成光斑中心区域残余压应力缺失,从而形成材料表面"残余应力洞"现象。利用ABAQUS有限元软件进行了圆形高斯光斑的激光冲击强化数值模拟,讨论了不同材料和模型尺寸、激光冲击参数等因素对"残余应力洞"的影响规律。结果表明,随着冲击波峰值压力、冲击波作用时间、冲击次数的增加,"残余应力洞"现象随之加剧;而随着材料动态弹性极限、光斑大小、冲击波上升时间、光斑搭接率的增加,"残余应力洞"现象则会随之减弱。该研究可为后期激光冲击强化光斑光学整形技术的应用,以及基于残余应力场优化的工艺设计提供依据。     

军队被装物流优化略论

被装物流是现代军事物流的一个重要组成部分。目前,我军被装物流体系建设还处于初级阶段,不能满足信息化战争的要求。应从组织结构优化、保障流程优化、信息系统优化三个方面对被装物流进行优化,推进被装物流的改革进程,实现由统分结合型向一体化被装物流的转化。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。     

基于HMM的传感器位置优化模型

首先介绍了隐马尔可夫模型(HMM)理论,并对HMM健康状态评估的基本程序和方法进行了研究。HMM对系统健康状态评估具有所需样本少、识别精度高及分类明显等优点,利用隐马尔可夫模型对传感器的不同位置进行评估,从定量的角度对传感器位置的优劣进行评价,提出了利用隐马尔可夫模型对传感器在不同位置上的效果进行评价的方法。最后,利用齿轮箱实验数据,分析验证了方法的实施流程和有效性。     

基于粗糙集的战教比例优化聚类决策模型应用

针对现行装甲装备战教比例标准下部队战备和训练任务之间的矛盾和问题,提出了基于粗糙集的K-means聚类分析的战教比例优化决策模型,利用粗糙集的属性约简算法消除冗余属性,根据各属性重要度确定其指标权值,然后依据分析所得优化决策方案及其影响指标加权数据值,以欧式距离为准则进行定中心K-means聚类。实例分析结果验证了该优化决策模型对于战教比例优化具有较好适应性和科学性。