飞机机翼结构损伤仿真研究

飞机结构的战伤模式及战伤程度预测对于制定战场抢修预案及改进战斗生存力设计具有重要意义。采用计算机模拟仿真技术定量分析了飞机机翼结构遭受射弹攻击后的损伤情况。通过损伤仿真讨论了3类情形,一是机翼结构受到简单的侵彻后的冲击效应;二是高速射弹攻击带有翼盒的机翼,而产生流体动力冲压效应;三是在射弹冲击模型中增加爆炸条件,研究射弹以任意角度冲击不同的位置产生的耦合效应。基于AN SY S/LS-DYNA仿真,给出了机翼结构损伤的结果,结论为战伤飞机战场抢修的快速评估提供了科学依据,也为飞机平时修理提供了参考。     

指挥控制组织结构扁平化分析及测度

为分析研究指挥控制(Command and Control,C2)组织结构的扁平化程度,给出了指挥控制树和协作交流网的概念,阐述了金字塔式C2组织结构和扁平式C2组织结构。在此基础之上,针对两种C2组织运作环境,分别设计基于拓扑的C2组织结构扁平化测度和基于任务的C2组织结构扁平化测度。案例给出了两种组织结构的扁平化测度计算结果,结果及比较分析表明扁平化测度计算方法的可行性和有效性。     

基于作战仿真的指令分析研究

分析研究的主要内容是基于作战仿真的各种指挥指令,比较了实际军用文书与仿真指令之间存在的异同,分析了作战仿真系统中指令的类型以及内容结构,列举典型真实军事命令语言,进行便于仿真系统使用的格式化,重点论述实际军事命令等文书在作战仿真系统中如何被准确、高效地识别与运用,提出了两个适用于作战仿真系统的指令格式——基本指令格式和拓展指令格式,并归纳出指令格式的回字架构,为仿真指令在仿真系统中的应用提供支撑。     

基于组合权重的目标识别系统威胁评估

现代信息战场中,对敌方的目标识别系统进行有效干扰,是增强我方、打击敌方的有效手段。对敌方的目标识别系统进行有效的威胁评估,有助于指挥员的决策以及对干扰资源的优化配置。借鉴空中目标威胁评估常用方法,提出对敌方目标的敌我属性识别系统进行威胁评估的方法。首先选择合理的威胁评估指标,然后对指标数据进行规范化处理,利用信息熵法求解威胁评估的客观权重与改进的层次分析法求解出的主观权重加权得到组合权重,运用灰关联分析法进行威胁评估和排序,最后用实例验证方法的有效性和合理性。     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

基于模型跟踪变结构控制的飞行重构控制律设计

提出一种基于模型跟踪变结构控制的飞行重构控制律的设计方法.利用该方法能实现受控对象对理想模型较高精度的跟踪,使重构飞行控制系统具有较好的控制性能.首先设计了一个比例-积分滑模面以确保消除稳态误差,采用极点配置技术使滑模具有良好的动态品质,其次利用饱和控制技术来减少变结构控制引起的抖振现象,最后以某型飞机纵向飞行控制系统为例进行了相应的数字仿真.结果表明重构系统不仅实现了无抖振模型跟踪,而且还具有较强的鲁棒性.     

炮闩闩体击针孔强度仿真计算与结构改进

从击针和闩体的装配结构关系入手，在闩体击针室受力分析的基础上，进行了闩体有限元分析，得到了击针室两个不同部位受力时闩体击针孔处的应力和应变情况，从而提出解决闩体镜面击针孔产生凸出或裂纹问题的可行方案。     

模糊偏序关系的一种信息集成方法

以模糊超过关系、模糊不协调关系为例,就模糊偏序关系给出了一种基于分组加权极大(极小)算子的信息集成方法,讨论了该方法的一致性、非独裁性等性质.     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

Integrating decisions with advance supply information in an assemble-to-order system

We study a periodic-review assemble-to-order (ATO) system with multiple components and multiple products, in which the inventory replenishment for each component follows an independent base-stock policy and stochastic product demands are satisfied according to a First-Come-First-Served rule. We assume that the replenishment for various component suffers from lead time uncertainty. However, the decision maker has the so-called advance supply information (ASI) associated with the lead times and thus can take advantage of the information for system optimization. We propose a multistage stochastic integer program that incorporates ASI to address the joint optimization of inventory replenishment and component allocation. The optimal base-stock policy for the inventory replenishment is determined using the sample average approximation algorithm. Also, we provide a modified order-based component allocation (MOBCA) heuristic for the component allocation. We additionally consider a special case of the variable lead times where the resulting two-stage stochastic programming model can be characterized as a single-scenario case of the proposed multistage model. We carry out extensive computational studies to quantify the benefits of integrating ASI into joint optimization and to explore the possibility of employing the two-stage model as a relatively efficient approximation scheme for the multistage model.