基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

基于定点DSP的计算阶次跟踪研究

对于转速变化的旋转机械,常规的频谱分析方法不能反映其振动信号的真实状态;同时,在转速变化剧烈的情况下,传统阶次分析仪器采用的转速脉冲到达时刻测量方法精度不高。针对以上问题,采用基于定点DSP的计算阶次跟踪方法,通过TMS320C5402定时器的精确计时功能实现高精度转速脉冲到达时刻的测量,同时利用DSP的McBSP(Multi-channel Buffered Serial Port,多通道缓冲串行口)同步采集振动信号,实现混合信号的采集和处理,完成基于DSP的实时阶次跟踪,并通过变速箱启动的实例验证了算法的有效性。     

基于区间数TOPSIS法优选空军战役作战计划

针对战役作战计划优选中的不确定性,运用区间分析和TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)法探索空军战役作战计划优选问题.通过引进区间数乘法运算,将区间数多指标决策问题转变为指标为区间数的多指标决策问题,进而给出区间数多指标决策问题的TOPSIS法,对空军战役作战计划进行排序选优.与传统方法相比较,该方法较好地解决了评价指标为不确定值时的多指标决策问题.     

改进火炮拖动随动系统跟随特性的方法

为了提高火炮拖动随动系统跟随误差精度,在三环伺服控制系统的基础上,提出了一种经典控制和智能控制相结合的方法.利用误差补偿的思想,在位置环采用前馈校正和超前校正的复合控制.采用模糊PI参数自整定控制的思想,在速度环上设计了智能模糊控制器.仿真结果表明,与PID控制系统相比较,系统的动态误差精度从10-3提高到10-4,明显地增强了火炮拖动随动系统的动态跟随特性,并使系统具有较强的鲁棒性.     

基于纯方位信息的目标跟踪线性修正模型?

在基于几何关系的纯方位航迹不变量信息处理过程中，对非线性模型进行细致分析，提出了线性修正模型，在处理问题时更加清晰、可靠，减小了大量的计算和计算误差，使纯方位信息的非线性处理实用化。     

基于恒虚警的多卫星信号快速盲检测算法?

在分析实际盲卫星通信信号的基础上，提出了一种对不重叠多卫星信号数量、中心频率进行实时估计的快速盲检测算法。算法基于恒虚警率准确地估计了噪声的统计特性进而设置了信噪分离的门限，并根据卫星通信信号的实际带宽特性实现了盲信号的检测。仿真结果表明，算法能够在较低的信噪比下实现对多卫星信号的快速准确盲检测，且与其他算法相比，该算法准确率高、通用性强，更能满足实际工程的需要。     

基于交互式多模型的多假设航迹起始算法

多假设(MHT)方法是一种理想的航迹起始算法,将交互式多模型算法(IMM)应用于MHT算法中(IMMMHT),改进了MHT算法在滤波时单独采用一个模型会受到模型自身局限性的影响使得滤波的精度不高的缺点.通过仿真表明,IMMMHT算法在虚警概率、快速性和跟踪精度上都优于原MHT算法.     

适应教学改革需要 理清教与学的关系

为了不断适应教学改革的需要，进一步提高教学质量，彻底理清“教”与“学”的关系，不断更新观念，增强教学效果，本文从教学实践和哲学的角度分析了教与学的关系，并对当前的“教为主导、学为主体”观点进行了分析，进而提出了“师生皆为主体，教员要主导，学员要主动”的观点。     

“动中通”系统中的跟踪识别技术

天线跟踪与卫星识别是"动中通"系统中的关键技术.首先在对各种跟踪方式比较分析的基础上,提出了一种基于惯性制导、程序跟踪和圆锥扫描跟踪的组合天线跟踪方案,缩短了系统搜索卫星的时间,提高了天线跟踪卫星的精度;而后通过分析卫星可供识别的特征,提出了应用解码后的数据流特征进行识别卫星的方案,降低了系统对传感器部件的精度要求,降低了系统成本.