角速率火控系统计算延迟问题的研究

提出解决角速率火控系统计算延迟问题的两种方法,为深入研究角速率火控计算进行了新的探索。     

对舰艇的灰色预测跟踪和射击

采用对舰艇运动的坐标跟踪法,应用灰色预测技术,建立舰艇的灰色预测动态模型。使火炮对舰艇的射击,具有反应速度快、命中精度好、毁伤效益高和便于计算机控制等优点。     

时域分析在雷达动目标识别中的应用

本文通过对地面几类目标运动特性的统计研究,利用线性预测的方法进行目标特征的提取,进而用模式识别的理论对地面目标进行自动识别,取得了良好的识别效果。     

基于实时预报的舰载火控稳定跟踪控制技术

针对火控稳瞄系统存在较大的不确定性及干扰,其特征参数,如固有频率、阻尼以及负载干扰等,将随着被控炮之间差异、载弹量、目标位置的变化及工作海况的影响而产生较大变化的特点,提出了一种PFC-PID串级透明控制策略,通过内环PID控制来提高抗干扰性,外环采用预测函数控制来获得良好的跟踪性能和强鲁棒性。针对舰载火控系统的稳定瞄准中的预测函数控制,提出了船舶运动实时预报问题,根据不同海况、不同船舶的惯导信号特性的不同特点,研究了一种基于自适应长自回归模型和径向基函数神经网络芯片ZISC78的船舶运动实时预报方法。通过对射击过程的仿真,表明基于实时预报的PFC-PID串级透明控制完全可以满足舰载火控系统战技指标,且算法简单,鲁棒性好,是一种实用的火控算法。     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

信息融合系统中的态势预测技术

态势预测主要解决态势间断后如何更新态势以及态势推断问题。根据战场上兵力都是按一定的规则部署和聚集的特点 ,采用群技术将整个战场态势划分成多个态势元素 ,同时结合模板技术和军事专家建议 ,利用战争前和战争期间所获得的各类信息 ,对战场态势进行预测     

信息融合中的态势关联方法研究

在研究了态势目标航迹关联特点的基础上 ,建立了航迹预测和样条拟合关联模型 .该关联模型首先将前后两段航迹进行预测 ,然后进行样条拟合关联检验 ,从而实现了多目标环境中中断目标态势的关联判断 .经仿真计算 ,此关联模型是可行实用的     

环境参数在线辨识及其在滑翔段制导中的应用

针对助推滑翔导弹,提出基于飞行环境参数在线辨识的滑翔段数值预测校正制导方法。综合考虑大气密度和气动系数对导弹运动的影响,引入滑翔段综合环境参数,利用扩展Kalman滤波方法对综合参数进行在线辨识。基于在线辨识结果,利用渐消记忆递推最小二乘方法在线建立环境参数预测模型,并利用最新辨识结果进行模型的在线修正。设计了纵向和横向制导律,并基于环境参数在线预测模型进行落点预测,以克服飞行环境扰动对落点预测精度的影响。进行了大气密度非定常扰动下的制导仿真,以及密度和气动参数随机扰动下的Monte Carlo仿真。仿真结果表明:环境参数在线预测模型能准确预报飞行环境参数,制导方法对飞行环境扰动具有较强的鲁棒性。     

动态服务质量的多信道媒体接入控制传输机制

针对航空自组网在高负载下的服务质量及时延问题,提出一种动态服务质量的多信道媒体接入控制传输机制。以多信道检测统计为平台,结合优先级机制,通过在高负载网络中适当遏制低优先级业务,并且进行网络流量优化,保证高优先级业务的低时延发送;同时利用流量预测模型估计网络流量,通过粒子群优化算法进行优化,寻找合适的优先级门限值,确保高优先级业务接入率。通过计算机仿真可知,所设计的动态服务质量的多信道媒体接入控制传输机制,可在大负载网络中动态控制信道的接入,保持良好的网络吞吐量,其高优先级业务接入率达到99%以上,能有效解决航空数据链网络高业务量导致的服务质量及时延问题。     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.