舰船编队组网作战数据分析平台的设计与实现

舰艇编队网络化作战是基于网络中心战理论形成的未来海战的主要方式。在未来舰船编队防空网络化作战的大应用背景上,提出了一套能够对舰船编队网络作战过程记录数据进行分析和处理的数据分析平台设计方法。该平台能够自动化的读取舰船编队作战记录数据,对网络化作战过程进行提取和解析,对目标指示、目标融合等组网作战功能进行分析,并将分析结果以适当的形式呈现,供设计师及作战部队对网络化作战性能流程和功能的分析和验证,能够快速有效的通过分析记录数据查找和解决问题。     

Choosing arrival process models for service systems: Tests of a nonhomogeneous Poisson process

Service systems such as call centers and hospital emergency rooms typically have strongly time‐varying arrival rates. Thus, a nonhomogeneous Poisson process (NHPP) is a natural model for the arrival process in a queueing model for performance analysis. Nevertheless, it is important to perform statistical tests with service system data to confirm that an NHPP is actually appropriate, as emphasized by Brown et al. [8]. They suggested a specific statistical test based on the Kolmogorov–Smirnov (KS) statistic after exploiting the conditional‐uniform (CU) property to transform the NHPP into a sequence of i.i.d. random variables uniformly distributed on [0,1] and then performing a logarithmic transformation of the data. We investigate why it is important to perform the final data transformation and consider what form it should take. We conduct extensive simulation experiments to study the power of these alternative statistical tests. We conclude that the general approach of Brown et al. [8] is excellent, but that an alternative data transformation proposed by Lewis [22], drawing upon Durbin [10], produces a test of an NHPP test with consistently greater power. We also conclude that the KS test after the CU transformation, without any additional data transformation, tends to be best to test against alternative hypotheses that primarily differ from an NHPP only through stochastic and time dependence. © 2014 Wiley Periodicals, Inc. Naval Research Logistics 61: 66–90, 2014     

基于数据站场的系统效能评估决策支持方法

随着信息技术的发展,系统信息量的提升给军事系统效能评估带来了新的问题。针对系统效能分析数据非线性、高维数、强耦合的特点,提出了一种基于数据站场技术的效能评估决策支持方法。通过数据恢复、约减、求精与重构操作,对评估数据进行了处理,并搭建了数据站场立方体,降低了数据间的依赖性,满足了不同层面系统分析的需求。以面向任务的网络化火控系统的为例,进行了系统效能评估、时效性评估和指标分析,从三个层次验证了方法的有效性与可行性。将数据挖掘技术应用到仿真系统效能评估决策中,获得了更广泛的应用。     

机动发射条件下助推滑翔导弹射击诸元快速解算

针对机动发射条件下助推滑翔导弹对全程弹道快速生成的迫切需求,在弹道设计中选取7个关键性控制量参数作为全程弹道射击诸元,并提出与之相对应的诸元解算算法。将全程弹道分为助推段、初始下降段、滑翔段和俯冲攻击段,在统一化运动模型描述的基础上,运用参数化迭代的思路,依次对不同飞行阶段诸元进行了快速求解,满足多种复杂约束条件。在全程诸元迭代解算模式的基础上,提出助推段沿用中心弹道诸元,仅对其他射击诸元进行重计算的部分诸元迭代解算模式。仿真结果表明:采用所提助推滑翔导弹射击诸元快速解算方法,可在大范围机动条件下对远距离地面固定目标进行快速精确打击。     

Higher‐order Markov chain models for categorical data sequences*

In this paper we study higher‐order Markov chain models for analyzing categorical data sequences. We propose an efficient estimation method for the model parameters. Data sequences such as DNA and sales demand are used to illustrate the predicting power of our proposed models. In particular, we apply the developed higher‐order Markov chain model to the server logs data. The objective here is to model the users' behavior in accessing information and to predict their behavior in the future. Our tests are based on a realistic web log and our model shows an improvement in prediction. © 2004 Wiley Periodicals, Inc. Naval Research Logistics, 2004     

基于预警时间窗口的空天反导预警体系构建

如何构建一个完善的反导预警体系并确保反导预警时间充足是当前的一个研究热点,创新性地应用反导预警时间窗口分析各类预警系统的性能,并为反导预警体系构建给出相关决策依据。首先结合预警时间窗口的概念,给出天基支援下预警时间窗口的数学描述;然后,建立了反导预警过程中攻防双方的数学模型及仿真方法;接着,对反导预警时间窗口的计算进行了具体分析;最后,结合具体仿真实例,分析了天基预警卫星对反导预警时间窗口的扩展作用,得出了一些较为实用的结论。     

基于外弹道算法的C-RAM火控处理技术

本文针对RAM目标的特点,在敌方射面坐标系建立了目标运动模型,并利用此弹道微分方程建立目标状态方程和量测方程,在得到RAM目标的火控滤波数据后,利用弹道质点运动方程预测求取飞行时间后的目标未来点,从而提高了火控系统对RAM目标的解算精度。通过仿真计算,验证了此处理方法的有效性。该论文的主要内容是从工程实践中的总结,有一定的创新性。     

基于GA-SVDD的轴承性能退化评估

为解决因机械设备轴承损伤导致机械故障而无法正常工作的问题,提出了一种基于GA-SVDD的轴承性能退化定量评估方法。该方法采用遗传算法优化选择特征参量,并建立SVDD超球体模型,运用SVDD距离评估轴承的性能退化程度。实验分析表明：该方法能够有效地对轴承性能退化过程的细节进行描述,实现对待测样本退化程度的定量评估。     

基于XML的装备作战需求建模数据抽取

武器装备作战需求建模数据是作战需求分析的基础。针对当前武器装备作战需求建模缺乏对建模数据有效管理的现状,提出了基于XML的作战需求建模数据抽取方法。充分利用XSLT在解决文档转换问题上的优势,使其与XPath相结合生成抽取规则,生成结构良好的建模数据文档。     

弹道导弹自由段拦截窗口建模与仿真

为有效应对战术弹道导弹的威胁,必须提高拦截系统对目标的预警和探测能力。合适的拦截窗口对拦截效果将起到关键作用。根据拦截窗口的定义,给出了最早拦截点与最晚拦截点的确定方法;提出了通过弹道导弹的飞行弹道求解自由段拦截窗口的计算方法。并以弹道导弹为拦截目标进行了仿真分析。算例仿真说明,拦截弹的拦截低界以及弹道导弹的关机点速度是影响拦截窗口的主要因素。