应用交互多模(IMM)算法跟踪低空目标

雷达跟踪低空目标时,由于多路径传播的影响,目标俯仰角的测量会出现测量误差.并且由多路径传播引起的测量噪声方差较大,在时间上具有相关性.应用交互多模(IMM)算法来提高跟踪低空目标的性能,并且提出了一种去相关的滤波方法来克服多径误差相关性的影响,最后给出了计算机仿真的滤波结果.     

紧固件拆装时间预计模型

紧固件拆装作业时间是影响机械产品维修性的主要因素之一,占机械产品维修作业时间的70％～80％。因此,探讨紧固件拆装作业时间的预计方法,对研究、设计机械产品的维修性,将是十分必要的。通过分析紧固件拆装作业过程,探索出了影响拆装作业时间的诸因素,并对所有的影响因素进行分析、权衡和回归,建立紧固件拆装作业时间的预计模型。将此模型在某型履带式车辆上进行了实际验证,证明了模型的正确性及通用性。     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。     

ISAR成像包络对齐性能评估

运动补偿是ISAR成像中的关键技术,通常包括包络对齐和相位补偿,而包络对齐是相位补偿的基础。现有包络对齐方法较多,在无法直观判断包络对齐效果的情况下,需要进行定量评估,以选择最优的对齐方法用于ISAR成像。提出基于距离单元方差的包络对齐评估方法:以对齐后各距离单元方差的加权和作为评估指标,对包络对齐结果直接进行评估。进行了相应的仿真实验,结果证明了该评估方法的有效性。     

灰色系统理论在火灾预测中的应用

简述了灰色系统理论的基本概念与方法,并着重阐述了灰色理论中灾变预测的特点和其建模过程,并将其应用于实际火灾预测之中。     

脉冲激励下船舶结构谐振响应预报及其模态阻尼参数识别

从模态识别基本原理出发,对脉冲激励下的时-频域响应、谐振激励下的时域响应的表达式进行推导,找到了其时-频域下的幅值关系,认为一定条件下谐振响应中伴随自由振动成分短时间内难以衰减,指出谐振激励力幅值与脉冲力幅值相等时,脉冲响应频谱对应频率下的幅频与谐振下的强迫振动幅值相等。在建立响应等价关系的基础上,推导了仅通过脉冲响应频谱上有限个谱线信息所确定的某阶模态阻尼比的计算公式。利用船体梁模型验证了响应预报及阻尼比估算的准确性。完成了2块不同材料典型船体板单元模型的前8阶模态阻尼比测试,通过数值计算结合试验响应频谱验证了方法的快速性、可靠性。     

一种稳健的循环平稳信号时延估计算法

基于信号循环平稳特性的时延估计算法具有较强的抗干扰和抗噪声能力,但循环频率误差时性能下降严重。针对这一问题,首先分析了循环频率误差对循环时延估计算法中,循环互相关函数相关法估计性能的影响,进而提出了一种对循环频率误差稳健的改进循环时延估计算法。改进算法通过两次搜索确定循环频率的真实值。仿真实验结果表明,改进算法可以有效地校正循环频率误差,最终使时延估计误差与无循环频率误差时基本相同。     

基于数据适应性检验的身管磨损量预测研究

应用灰色系统理论研究不确定系统,对系统进行灰色预测模型建立的同时,需要检验系统原始数据序列是否符合建模要求。主要从3个方面检验数据建模的可行性,分别是光滑比、极比偏差和凹凸性检验。结合某型坦克炮身管内膛烧蚀磨损数据,采用不同的磨损数据作为灰色预测模型建模的原始数据序列,具体分成两种情况进行数据检验,并代入模型计算,分析不同情况下模型的预测精度,通过对比计算结果选出与模型匹配度更高的原始数据序列。     

杂波对空中平台侦察的影响分析

为从功率角度说明杂波对空中侦察设备的影响,提出一种新的杂波功率计算方法,该方法将杂波功率计算从单散射块的简单模型扩展到全向散射空间的精确模型。首先,选取合适的杂波后向散射系数模型;其次,构建空中平台与机载雷达的几何模型,详细地推导了等距离环数学表达式,在考虑距离模糊情况下推导了杂波功率数学表达式;最后,仿真结果表明:该方法比文献杂波功率计算方法更加准确,从功率角度说明了杂波对侦察的影响,为后面研究杂波抑制奠定了基础。     

基于灰色加权马尔科夫的部队集成训练效果预测

针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。