一种考虑主观偏好的武器装备采购决策方法

针对只有部分权重信息且决策属性值以区间数形式给出的武器装备采购方案决策问题,提出了一种基于区间数相离度和可能度的偏差最小化决策方法,将决策者对待选方案的主观偏好融合到计算模型当中,并详细给出了该决策方法的计算步骤和算法。研究表明,该方法能够有效解决武器装备采购决策过程中的主观偏好问题,使得决策结果更为客观合理,最后通过一个示例来验证方法的可行性和有效性。     

基于WBS的装备作战需求联合论证任务流程设计方法

针对装备作战需求联合论证中任务分解与协同困难的问题,以构建融合业务活动与管理活动的集成论证活动为目标,提出了基于WBS的装备作战需求论证活动分解方法,分析了装备作战需求论证活动分解的原理、原则和活动表示方法,研究了业务活动与管理活动的WBS分解过程,研究了业务活动与管理活动的集成方法和协同分析方法,初步构建了基于WBS的装备作战需求联合论证任务流程模型,为进一步优化和调整装备作战需求论证流程、提高论证工作效率和成果质量提供了新的方法。     

高技术装备维修知识共享

将知识管理的思想引入到装备维修中,认为装备维修组织与高技术装备生产厂家之间的知识共享是提升高技术装备维修能力的重要因素。通过建立知识共享模型,对装备维修组织与高技术装备生产厂家知识共享过程进行了分析,得出知识总量螺旋上升的结果。在此基础上进行博弈分析,运用数学方法,找出主导高技术装备维修知识共享活动的关键因素,并结合实际,研究应对方法,推动装备维修知识共享,促进装备维修组织知识创新,从而提高装备维修能力。     

装甲兵模拟训练系统体系架构

近年来,装甲兵模拟系统建设和模拟化训练有了长足的发展,但仍然存在缺乏顶层规划、标准不一、资源不共享、模块不重用、体系不完整等诸多问题。基于体系工程建设理念,探索了装甲兵模拟训练系统体系架构,主要考虑了顶层设计,重点放在了系统的组成结构、相互关系,从总体上把握体系的整体功能、需要解决的问题,采取的技术路线。实践表明,体系架构独立于系统的具体实现技术,保证了各组成部分可以通过重用、重组等方式来适应不同阶段、不同目标和领域的装甲兵模拟训练需求,提高了系统的利用效率,降低了模拟训练系统的开发成本。     

空降兵装备发展仿真实验研究

开展空降兵装备发展仿真实验研究,是促进空降兵装备快速发展的有效途径。提出了空降兵装备发展实验研究体系结构,在此基础上,重点对仿真实验研究的技术框架和模型体系的柔性设计进行了分析与研究,并对发展需求论证环境和作战运用研究环境的部署与运行方式进行了阐述,旨在为空降兵装备发展仿真实验研究的顶层设计及具体实现提供参考。     

受限空间人员被困事故消防救援研究

归纳总结了受限空间人员被困事故的特点,分析了此类事故救援过程中需要的器材装备,论述了受限空间人员被困事故的救援技术,并针对此类事故救援、训练、研究提出了建议。     

基于系统动力学的装备保障体制系统仿真分析

装备保障体制系统具有复杂性、动态性和非线性等特点,构建了三级装备保障体制的SD仿真理想模型和仿真延迟模型。充分考虑保障系统生成各要素之间都具有的反馈性和时滞性,通过模型仿真对三级装备保障系统的稳定性进行了分析,并指出了建立二级装备保障体制的条件,分析了军民联合的保障机制对保持保障系统稳定性的重要作用。最后基于仿真结果提出了装备保障体制建设方面的几点建议。     

航天测试系统大容量数据处理方法研究

在航天测试系统中,经常需要处理大容量数据。讨论了C语言、C++语言、MFC中文件的操作方法。结合Win32 API相关函数,分析了大容量数据文件的读取、解包、分析等处理方法。在VisualC++6.0编程环境下,根据实际需求编写了数据分析处理软件。经过实验验证和实际数据测试,提出的方法可以有效地对大容量数据文件进行分析、处理,且已成功应用于多个航天测试项目,取得了较为理想的分析结果,为相关测试、试验提供了依据。     

基于劣化度的装备健康状态评估模型

为了准确评估装备的健康状态,实施装备的状态维修,引入劣化度概念,结合装备的特点,确定了以装备特征参数劣化度为评估指标,运用变权模糊理论,建立了基于劣化度的装备健康状态变权模糊综合评估模型。结合地空导弹装备实际工作,进行了实例分析,验证了该方法的准确性和有效性。     

基于DMFT的空间目标微动特征提取

空间目标的高速轨道运动,会导致微动曲线的展宽和走动,将对后续的微动特征提取产生不利影响。针对这一问题,提出了一种基于离散匹配傅里叶变换(DMFT)的空间目标微动特征提取方法。首先分析了高速空间目标的信号回波模型;其次,根据回波信号的特点提出了一种基于DMFT的补偿参数估计的方法;最后,采用Hough变换提取了目标的微动特征。仿真实验验证了该方法的有效性和鲁棒性,结果表明微动特征的提取精度得到了明显提高。