基于模糊匈牙利算法的炮兵火力单位分配问题

发挥诸火力单位的整体协调优势,寻求在给定约束条件下总的射击效果最好的分配方案,是火力单位最优分配的基本任务.匈牙利算法是求解传统的指派问题的一种较好的方法,运用模糊匈牙利算法在决策过程中将主观因素与客观因素有机地结合起来,解决火力单位分配方案决策中多指标指派问题,从而可以有效地解决炮兵火力单位分配最优化问题.     

飞航导弹故障飞行落点概率计算方法

针对飞航导弹故障飞行落点概率难以准确计算的问题,通过分析导弹的各个分系统的故障机理重新提出五种故障模式,依据逐系统串联的原理建立了故障模式的概率分配计算模型;在对发射、飞行和故障后坠落等阶段进行分析的基础上建立各故障模式的仿真模型;最后应用蒙特卡洛方法对某型导弹故障飞行落点的概率分布进行了仿真计算。     

多输出模型确认中的混合矩指标

在不确定性条件下,同时考虑到多维输出之间的相关关系和单输出的均值,构建由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合单点位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

装备使用阶段后续备件采购模型Π:可修复件

针对装备使用阶段可修复件的采购优化问题,引入近似拉普拉斯需求概率分布代替正态分布,建立了采购间隔期内的备件短缺函数。根据供应链系统库存控制论,建立了可修备件的采购模型。通过对可修件周转渠道的分析,对采购短缺指标进行了修订,并给出了最优采购点和采购量的计算方法。对两种需求分布下的算例结果进行了对比和分析,结果表明:该模型得到的结果鲁棒性强、偏差小,优化过程简单,为故障率高、消耗量低的可修件采购方案的确定提供了一种新的思路。     

考虑多性能参数的引信弹簧可靠性评估

弹簧作为引信中常用的储能源,是影响引信可靠性的重要零件,而引信失效会形成重大安全隐患。为了准确预估某引信弹簧贮存期间的可靠度变化,提出了一种基于修正Arrhenius模型的多元正态可靠性评估方法。以应力损失率和永久变形率作为性能参数,设计了恒定应力加速退化试验,获取弹簧在120℃、130℃、150℃和160℃下的退化数据,并采用Anderson-Darling统计量验证退化量的最优分布为正态分布。根据修正的Arrhenius方程,得到弹簧在贮存温度下的退化轨迹曲线。基于多元正态分布建立弹簧贮存可靠度模型,分析弹簧贮存期间的可靠度变化特点。通过与其他可靠度模型对比,该模型预估结果更准确,可为引信的视情维修提供依据。     

加速寿命试验下复合失效产品的可靠性评估

产品往往受随机失效和耗损失效两种模式的双重影响,通过构建复合寿命分布模型来表征这类产品失效规律。在加速寿命试验下,基于极大似然估计构造了该类产品寿命参数估计的数值算法;为了验证该寿命分布是否真服从假定的复合分布,构建了常应力等效失效数据的柯尔莫哥诺夫分布检验法;最后,以电连接器这一典型产品为例进行了工程仿真试验并进行数据评估,从而验证了评估方法的正确性。     

兵力部署相关概念综述

兵力部署问题旨在研究如何在作战时将兵力布置在适当位置。在研究兵力、部署和兵力部署概念溯源的基础上,分析了兵力、部署和兵力部署的基本内涵,归纳了兵力、部署和兵力部署当前具备的若干主要特征,提出了下一步研究建议。     

一种针对分布式MIMO雷达的高效干扰功率分配方法

MIMO雷达的种类很多,其中分布式MIMO雷达是具有空间分集特性的一种,具有较强的代表性。针对采用多波束多信号干扰设备干扰分布式MIMO雷达的情况,要考虑针对MIMO雷达各节点干扰功率的分配问题,提出了采用能量集中法进行功率分配。给出分配方法及干扰效果的仿真实验,结果表明在使用相同的干扰功率情况下,所讨论的方法比传统的干扰等比例分配法具有更佳的干扰效果。     

协同作战中信息分发算法研究

大规模协同作战中的高效通信问题为当前信息战的研究重点之一,但由于单独作战单元无法了解全局的信息内容及需求方,这给通信资源有限的参战兵力之间的态势共享带来了困难。为此提出了一个分布式协作信息分发算法,在理论上借鉴了复杂网络的小世界特性,即单元节点可以通过邻节点在较少跳数内完成信息的传输。在思路上利用了信息相关性概念,作战单元利用信息之间的关联性及信息与节点之间的收发关系建立控制信息发送的路由表。并通过仿真实验验证了不同网络拓扑下算法性能的变化情况,结果证明分发算法能较好地支持信息共享。     

Statistical analysis for masked system life data from Marshall‐Olkin Weibull distribution under progressive hybrid censoring

This paper considers the statistical analysis of masked data in a series system, where the components are assumed to have Marshall‐Olkin Weibull distribution. Based on type‐I progressive hybrid censored and masked data, we derive the maximum likelihood estimates, approximate confidence intervals, and bootstrap confidence intervals of unknown parameters. As the maximum likelihood estimate does not exist for small sample size, Gibbs sampling is used to obtain the Bayesian estimates and Monte Carlo method is employed to construct the credible intervals based on Jefferys prior with partial information. Numerical simulations are performed to compare the performances of the proposed methods and one data set is analyzed.