装甲车辆驾驶动作模糊模式识别研究

针对装甲车辆驾驶技能等级评判系统中,如何将驾驶训练过程中采集的驾驶动作数据还原成实际驾驶操作动作的瓶颈问题,采用模糊模式识别的方法,实现了对无限长待识序列数据的识别,并通过对实车采集数据的分析,验证了识别的有效性和准确性。     

基于SEM的装甲车辆驾驶作业疲劳主要影响因素识别研究

在对装甲车辆驾驶作业疲劳影响因素调查研究的基础上,利用AMOS5.0建立了装甲车辆驾驶作业疲劳影响因素结构方程模型,并检验了其合理性,对作业疲劳主要影响因素进行了识别和分析,分析结果可为改善装甲车辆驾驶作业环境、科学训练、驾驶员选拔以及降低作业疲劳程度的研究提供借鉴和参考。     

浅谈武警士官教育中的“任务驱动式”教学

“任务驱动式”教学是根据士官学员的特殊性及武警部队的声像专业需求，着眼于培养学员应用操作能力，使学员处于秽取参与的学习氛围。在科学发展观的指寻下，充分利用士官学员自身长处，重视实践，采取多样化的考核模式，最终实现学员综合素质全面提高。     

驱动线圈极性排列方式对多级同步感应线圈发射器加速性能的影响

为提高多级同步感应线圈发射器的加速性能,以5级同步感应线圈发射器为例,在定义驱动线圈极性相对排列方式的基础上,基于场-路耦合的时步有限元分析方法,研究了驱动线圈极性排列方式对其加速性能的影响,结果表明:驱动线圈同极性相对排列方式更有助于提高发射效率。通过分析内部磁场的分布规律,探讨了驱动线圈同极性相对排列方式改善加速性能的原因,最后通过比较电枢内的感应电流密度的方法验证了分析的正确性。     

装甲车辆驾驶适宜性评价指标研究初探

阐述了装甲车辆驾驶适宜性研究的必要性,解释了装甲车辆驾驶适宜性的含义及其影响因素,提出了装甲车辆驾驶适宜性的生理心理评价指标.文中还介绍了评价指标测试方法,并通过试验验证了评价指标的有效性,为装甲车辆驾驶员的选拔提供了依据.     

舰炮武器系统大闭环校射模拟训练的实现

本文介绍了舰炮武器系统大闭环校射及其模拟的基本原理,大闭环校射模拟的主要技术实现以及工作过程,并列举其在武器射击操作训练等多方面的应用。     

一种无人地面车的轨迹跟踪控制方法

针对无人地面车辆经典轨迹跟踪控制方法的不足,提出了一种基于无人地面车辆运动学模型的轨迹跟踪控制算法。在算法中引入了位姿的纵坐标误差,以加快跟踪的逼近速度,并利用人工驾驶的思想,采用了一种位一姿交替控制的方法,使路径跟踪既准确又快速。仿真结果表明：该方法是有效的,且可使无人地面车具有更好的跟踪性能。     

闭环校射中雷达跟踪弹迹的滤波和预测方法

闭环校射武器系统中,要求实时测量弹丸和目标之间的偏差,因此火控雷达要同时完成对弹丸运动和目标运动的跟踪任务,实现对弹丸目标的精确跟踪对火控雷达来说是一个新任务.建立了一种针对此类问题的滤波和预测方法,这种方法充分利用关于弹丸运动规律的已有知识,突破了常规动目标跟踪方法的限制,使滤波和预测误差比常规方法减小数倍,成功地解决了闭环校射武器系统中的一个技术难点.     

基于SRUKF仅测角导航的空间交会闭环控制协方差分析

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于SRUKF (Square Root Unscented Kalman Filter) 的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。经算例验证,本文提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好吻合;该方法适用于采用传统Extended Kalman Filter (EKF)的仅测角导航问题,但其迹向位置的估计存一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大了24.68%和20.56%。此外,由于采用了QR分解和Cholesky 因子更新两种高效的代数运算,基于SRUKF的协方差分析模型要比基于EKF的协方差分析模型在计算速度上快了10%。     

平方根无迹卡尔曼滤波仅测角导航的空间交会闭环协方差分析方法

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。算例验证结果表明:提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好地吻合;该方法适用于采用传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)的仅测角导航问题,但其迹向位置的估计存在一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大24.68%和20.56%。此外,由于采用了QR分解和Cholesky因子更新两种高效的代数运算,基于SRUKF的协方差分析模型的计算速度要比基于EKF的协方差分析模型的大10%。