基于随机Petri网的装备抢救抢修保障模型

通过建立一个基本的装备抢救抢修Petri网模型,把Petri网建模思想引入战时装备抢救抢修保障模型中,将实际系统中的实体和活动映射为模型系统中的库所和变迁,将装备抢救抢修保障排队论模型用随机Petri网进行描述。构建了一个完整的装甲团装备抢救抢修随机Petri网模型,利用软件包SPNP6.0对其进行模拟运行,通过对模型仿真数据的分析为装备保障的方案制定提供决策依据。     

支持向量机和声发射技术在齿轮裂纹故障诊断中的应用

为了解决齿根疲劳裂纹故障难以识别的问题,对齿轮箱正常和裂纹故障状态的声发射信号进行时间序列分析,利用AR模型的自回归系数作为齿轮箱不同状态时的特征向量,形成支持向量机的训练样本对支持向量机进行网络训练,实现对齿轮箱正常、轻微裂纹和严重裂纹故障状态的识别与诊断。实验结果表明:基于支持向量机和声发射技术的齿轮箱故障诊断系统能够准确地识别与诊断齿轮箱的裂纹故障状态,它对于齿轮裂纹故障检测是一种有效的诊断手段。     

面向嵌入式火控软件的划分测试设计

根据嵌入式火控软件的数据特点 ,设计了相应的划分测试原则。并以某型坦克火控软件的实验数据对比了划分测试与随机测试的覆盖率 ,总结出对于该类软件划分测试具有一定的优势     

集对分析和LS-SVM相结合的装备研制风险综合评价法

为有效降低或规避武器装备研制风险,确保装备研制项目的顺利推进,提出一种基于集对分析理论与最小二乘支持向量机方法的装备研制风险综合评价方法。根据武器装备研制特点,建立装备研制风险评价指标体系。在此基础上,引入集对分析理论中的联系度和集对概念构建训练样本和测试样本。利用样本对最小二乘支持向量机进行训练测试,得到装备研制风险的评价模型,并给出评价结果。案例分析表明,所提方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

塑造当代革命军人核心价值观

（一）坚持常抓不懈的教育引导。任何意识形态的东西，都要通过教育引导的手段，把相关知识灌输给社会成员。因此，教育引导是构建当代革命军人核心价值观的基础性工作，非常关键。从实施方式上看，教育引导可分为对军人群体的普遍教育和对军人个体的经常性随机教育。从时间跨度上讲，必须坚持在长期的科学灌输上下功夫。     

空气动力和直接侧向力复合控制的拦截弹飞行力学及稳定回路模型

以大气层低层拦截导弹为研究对象,建立了飞行力学模型,进行了空气动力与力矩燃气动力的复合控制回路分析设计,进行了实例计算与仿真。     

基于类神经网络模型的电路自主修复方法

为进一步提高电子系统在恶劣环境下的生存能力,对利用演化硬件实现电路自主修复的方法进行了研究。首先,根据FPGA芯片与多层前馈神经网络的相似性,建立了一个可用于数字电路演化的门级电路模型,设计了专用的二进制列向量编码方法;然后,给出了实现电路自主修复的工作流程,探讨了进行电路故障诊断和修复的途径,提出了快速重构与演化相结合的电路修复方法。Matlab仿真试验表明：基于类神经网络模型的遗传算法较适合进行演化修复操作;修复效果分析表明：快速重构与演化修复相结合的修复方法比单纯依靠演化修复更为便捷。     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。     

基于偏最小二乘特征提取的支持向量机回归算法

为了提高SVM的建模质量,简化建模难度,提出了PLS-SVM组合回归建模方法.该方法通过PLS对样本数据进行降维、去噪以及消除共线性处理后,再进行SVM回归建模.不仅保持了SVM良好的模型性能,而且使SVM具备特征提取功能.实验结果表明,该方法是可行的,采用此法构建的SVM模型,泛化性能优于没有特征提取的SVM.