基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

防空导弹对目标拦截的模糊二元对比排序

确定对空袭兵器的拦截次序是防空导弹火力分配的重要内容.定性分析和定量计算相结合,利用模糊数学中的模糊二元对比排序法确定防空导弹对多个目标拦截的优先次序,先对模型进行描述,给出模糊相似关系矩阵及相应的计算方法,再以4种空袭兵器为作战对象,运用模型进行计算,得出直观的目标拦截排序结果,变模糊的、复杂的问题为直观的结论.为指挥员科学分配防空火力,最大限度地发挥防空导弹的制空效能奠定基础.     

语言评价信息的武器系统模糊积分评估

传统的武器系统评估方法是基于概率和统计理论的,并假设各指标之间相互独立.然而,实际上武器系统指标的评价具有人为主观性和模糊性,并且各指标之间通常存在着依存关系.综合评述和对比了传统武器系统评估方法的适用范围以及不同方法的优劣,指出了它们的不足,提出了一种基于语言评价信息和模糊积分的武器系统评估方法.专家的评判结果是可用梯形模糊数描述的自然语言信息.     

模糊综合评判的同类地空导弹火力单元作战能力评估

除实弹射击考评外,如何利用非实弹射击演练和平时可获取的信息,对武器系统同类的不同火力单元的作战能力做出科学评估,是现实而又迫切需要解决的问题.基于已建立的同类地空导弹火力单元作战能力的评价体系,运用AHP法和模糊数学建立了火力单元作战能力的三级模糊综合评判模型,给出了基于等级区间非均等划分的百分制和区间中值评定等级行向量下的具体评估算例,为同类地空导弹火力单元作战能力的科学量化评估做了有益探索.     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

协同制造系统的可靠性分析

协同制造作为一种先进制造模式,逐渐成为研究的热点。而系统的可靠性是协同制造系统成功实施的关键因素之一。从协同制造系统的自身特点出发,阐述了进行协同制造系统可靠性研究的必要性和紧迫性。并给出了协同制造系统可靠性分析的框架模型,认为协同制造系统可靠性应该从人、工作流系统和设备硬件等几个方面进行综合研究,并对各部分的可靠性研究进行了概述。     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.     

基于贝叶斯网络的反舰导弹身份识别

为了解决反舰导弹身份识别所面临的实时性和信息不确定性问题,提出了采用贝叶斯网络识别反舰导弹的方法。设计了4种贝叶斯网络分类器,分别在导弹仿真数据集和UCI数据集上作了测试,比较了它们各自的分类性能。实验结果表明,朴素贝叶斯网络的分类准确率虽然比其它分类器稍低,但它简单有效,稳健性比其它分类器都好,可用于反舰导弹身份的实时识别。     

基于三角模糊数的登陆点选择模型

针对登陆点选择的特点,对登陆点选择步骤进行分析,确定影响的四个基本因素,利用三角模糊数型多属性决策方法建立登陆点选择模型。与层次分析法相比,此算法时更能突出登陆点选择时,指挥者对登陆点的偏好所影响登陆点选择的基本因素值只能大概给出,基本因素之间的权重信息也不能完全确知的特点,通过计算机编程,此模型能够快速地实现对登陆点的排序选优,为指挥员提供辅助决策。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。