数据驱动的复杂系统非预期故障诊断通用过程模型

提高对复杂系统非预期故障诊断能力是故障诊断领域的难点。结合非预期故障诊断内涵及基本原理,构建了一种用于复杂系统非预期故障诊断的通用过程模型。该模型采用四层递进结构,包括四个主要模型,即预期(已知)故障检测模型、预期(已知)故障识别模型、非预期(未知)故障检测模型和非预期(未知)故障识别模型。分析了各模型所包含的关键问题及其相应的实现算法,包括检测统计量的构建及评估、故障特征方向提取、故障识别器设计及故障贡献率计算。该通用过程模型规范了复杂系统非预期故障的诊断流程,明确了数据驱动的实现原理。以卫星姿态控制系统为例,验证了非预期故障诊断通用过程模型的有效性。     

基于区间灰关联的雷达辐射源识别新方法

在现代密集信号环境中,接收机测得的和辐射源数据库中的雷达特征参数具有不确定性,一般用区间值表示.针对区间类型的特征参数的雷达辐射源识别,提出了一种新的基于区间灰关联度的雷达辐射源融合识别方法.该方法首先运用区间灰关联度得到基本概率赋值,然后运用证据组合与决策实现目标识别.仿真结果表明,这种识别方法是有效的.     

坦克火力运用智能系统目标威胁度评估模块

随着科学技术的发展,未来战争将有更多的智能化武器出现,坦克火力运用智能化将是坦克火力系统的发展方向,而目标威胁度评估是该系统的核心模块.应用BP神经网络建立了坦克目标威胁度评估模型,对影响因素进行了分析与预处理,并构造了3组训练样本.利用MATLAB7.0中神经网络工具箱的图形用户界面GUI对样本和影响因素进行训练、仿真.结果表明,BP神经网络模型能很好地解决坦克目标威胁程度与影响因素之间的非线性关系,评估坦克目标威胁度有很强的客观性和科学性,对未来坦克火力运用智能系统的建设具有一定的借鉴作用.     

基于四维空间相似度的军械紧急调运方案优选方法

分析了军械紧急调运方案优选决策的混合多属性特点。基于TOPSIS方法的基本原理,首先通过方案属性值的四维属性值转化,将不同类型的属性值统一成相同的形式,然后通过定义四维空间相似度,将各类型属性值的相似度计算规范到统一的度量空间,解决了含有实数、区间数、语言值和不确定语言值等多种不同决策属性值的的军械紧急调运方案优选这一混合型多属性决策问题。计算示例表明了该方法的可操性和有效性。     

风险偏好的区间值灰色模糊综合评判及其应用

由于被评判对象有时会带有某些不确定性以及信息量的多少及充分程度不同,使得这些对象在某些评判指标上属于某个评语的程度-隶属度及其对应的灰度不再是一个确定的数,常常是一个范围,针对此特点,尝试用区间值来表示灰度.引入一种反映风险偏好的风险指标,以此对评判结果灰度进行处理,定义了信息充分程度转化公式,利用其将评判结果转化为区间值集合,在此基础上建立了风险偏好的区间值灰色模糊综合评判的数学模型,并给出了它在方案优选中的应用.实例结果表明,这种方法是合理的、可行的、有效的.     

航天侦察任务的关联度分析与去冗余方法

针对航天侦察需求响应中可能存在的任务重复产生问题,综合考虑任务的需求来源、质量要求、时间偏好及空间范围,提出一种基于任务关联度的任务冗余分析方法。对航天侦察的相关要素进行分析度量,给出了基于4类要素的任务关联度计算方法,提出了通过任务之间的关联度来降低可替代任务产生概率的具体算法,考虑了准确优先、公平优先以及混合等不同情况下的冗余度计算方法,给出一个应用示例,说明所述分析方法的有效性。研究结果表明,该方法具有良好的通用性,可为航天侦察任务的预处理提供有效支持。     

基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。     

基于空间子区一致性的异源图像匹配方法

提出一种基于空间子区一致性的异源图像匹配方法.该方法中,将图像划分为许多大小相同的子区;分别计算邻近子区间的灰度直方图距离,得到一种图像结构特征描述--似邻矩阵;利用似邻矩阵计算图像间的子区一致性;采用改进的搜索策略,快速获得匹配结果.实验结果表明,该方法在正确率和计算时间方面均优于传统方法.     

复杂网络理论体系对抗作战体系建模

从复杂网络的角度出发研究作战体系的网络拓扑模型,建立了作战体系网络的拓扑模型,分析了模型的度分布特征,提出了描述作战体系网络的统计特征量,并针对体系破击进行了相应的仿真实验,得出了与战争事实相符的结论,从复杂网络角度仿真作战体系进行了积极的探索和尝试.     

多值直觉模糊熵及其应用

给出了多值直觉模糊熵的计算方法,并揭示了多值直觉模糊熵的若干重要性质,通过求解一个雷达目标识别的实例更清晰地表述多值直觉模糊集的优势或特点。实践表明,多值直觉模糊集是对直觉模糊集一种有效扩展,这种扩展有助于对实际问题进行描述和求解。