卫星制导炸弹控制系统计算机仿真

根据制导炸弹控制飞行过程与各个分系统的特性,描述了"惯性/卫星"制导炸弹的工作过程,建立了合理的数学模型,并且通过Matlab/Simulink中嵌入S函数法,设计了一种效率高、建模简单、实现方便的计算机仿真方法.最后,以某型制导炸弹的计算参数为例进行仿真,详细分析了制导炸弹飞行过程中控制系统的工作情况,检验了系统动静态特性,验证了制导炸弹控制器参数设计的合理性;并采用蒙特卡洛法,提出了一种置信度较高的全弹系统的精度打靶仿真方法,以配合小子样飞行试验对系统性能进行评定.为进一步的半实物仿真和全实物飞行试验提供了一些有价值的依据.     

离散动态贝叶斯网络的递推算法

离散动态贝叶斯网络是对动态系统进行建模和定性推理的有力工具。由于观测证据会随时间增加,直接计算推理算法的公式会变得冗长而且推理速度还会下降。在直接计算推理算法的基础上推导出递推公式,并给出算例验证。递推计算公式简洁,仿真表明递推算法的推理速度较直接计算推理算法有明显提高,因而适合实时在线推理。最后将递推算法应用于航天器的态势感知。     

动态飞行模拟器相似性分析

动态飞行模拟器的相似性是评价动态飞行仿真的重要指标。应用控制论方法,结合动态飞行特点,给出了动态飞行模拟器的相似性准则。通过对动态飞行模拟器运动分析,结果表明动态飞行模拟器相似性准则可以评价仿真的相似性。     

三维比例导引弹道建模方法研究

基于比例导引弹道的自身规律,运用坐标变换方法,选取合适的坐标系,建立了导弹按比例导引法拦截空中目标的模型,并在信息处理环节中加入导航误差、导弹控制误差、导弹观测误差和目标观测误差等,实现三维比例导引弹道的仿真.仿真结果表明,所建立的模型比较符合实际情况,可直观地显示比例导引弹道特性.     

基于模糊贝叶斯网络的飞机易损性评估方法

针对在飞机进行易损性评估的过程中,因为目标数据的不精确而进行的模型简化,结合模糊数学理论和贝叶斯网络提出了基于模糊贝叶斯网络的飞机易损性评估方法。介绍了模糊理论和贝叶斯网络的基本知识,以及基于模糊贝叶斯网络的飞机易损性评估流程,并建立了基于某型飞机的模糊贝叶斯网络易损性评估模型,最后通过算例证明了该方法的合理性。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

基于杀伤链的动态重构作战网络抗毁性分析

作战网络的动态重构过程是其重要特征之一,从杀伤链的角度构建作战网络的动态重构过程,有利于提高作战网络的作战能力和抗毁伤能力。提出了基于杀伤链的动态重构作战网络抗毁性分析。描述了基于异质网络的作战网络模型和典型的杀伤链模型。从杀伤链角度给出了作战网络在节点失效过程中的动态重构策略,并提出了基于杀伤链的网络抗毁性指标。在方法研究基础上进行了案例分析。分析结果表明,动态重构作战网络的抗毁性高于无重构的作战网络,动态重构过程提高了作战网络的抗毁性。动态重构作战网络在度优先攻击策略下的抗毁性明显低于随机攻击策略下的抗毁性。该方法对于作战网络在动态重构下的作战能力评估和分析具有重要意义。     

登陆作战推演方案评估模型研究

依据作战仿真推演及登陆作战过程特点,基于作战推演方案评估框架,制定针对登陆作战想定的推演方案效能评估指标体系;提出结合主观权重、客观熵权的TOPSIS方法,构建了组合熵权TOPSIS作战推演方案评估模型;基于登陆作战想定,通过仿真推演试验验证了作战方案评估模型的合理性,结果表明,该模型对登陆作战仿真推演方案的效能评估可行有效,克服了复杂性、主观性不足等问题,为仿真推演作战评估提供了新的方法思路。     

轮式突击炮行进间射击炮口振动分析及稳定控制

为了研究不同因素对炮口振动的影响规律,建立了轮式突击炮行进间射击多体动力学模型,并与试验结果对比验证了合理性。路面谱采用谐波叠加法建模,在不同路面条件和火线高情况下进行了仿真计算,获得了两种因素对行进间射击炮口振动的影响规律。构建了垂向稳定器模型,进行了联合仿真,对比了有、无稳定器两种情况下的炮口振动。结果表明:炮口振动幅值随路面粗糙度增大而增大;火线高对炮口振动的影响是非线性的;垂向稳定器能有效控制炮口振动,相较于无稳定器情况,开炮前炮口最大高低角和高低角速度幅值分别降低了94.1%和97.4%,开炮后炮口最大高低角振动幅值降低了16.2%。该研究对轮式突击炮的总体设计起到了一定理论支撑,具有重要工程应用价值。     

生成对抗网络及其在无人系统中的应用

生成对抗网络(GAN)在无人系统多个层次上的应用提高了其智能化、自主化水平,具有巨大的应用价值和发展潜力。对GAN在无人系统技术中的应用进行了综合评述并且进行了展望。首先介绍了GAN的基本概念、训练方式和传统GAN的模型结构,并且从模型结构的变动、目标损失的变化以及适用的领域等方面详细介绍了深度卷积生成对抗网络(DCGAN)、循环生成对抗网络(CylcleGAN)、生成对抗模仿学习(GAIL)、序列生成对抗网络(SeqGAN)等GAN的8种衍生模型。接着概述了与无人系统OODA回路相关的智能感知、智能判断、智能决策、人机交互等方向上GAN方法的实际应用。最后基于无人系统共性技术的发展趋势,对GAN在无人系统的单体智能、多体或群体智能以及人机混合智能等方向上的应用进行了展望。