基于灰色聚类的野战饮食装备技术保障能力评价

采用一种定性和定量相结合的层次分析法和灰色聚类评价模型,通过案例评价分析,得出现阶段某部队野战饮食装备技术保障能力各指标及综合指标所属等级,针对性提出“培养高素质保障人才”,“提高装备品质,完善器材设施”,“加快信息化建设”,“加强费用一效能管理”等措施,获得了比较满意的效果,证明了灰色聚类评价模型在野战饮食装备技术保障能力应用中的有效性。     

基于颜色特征的喷气燃料银片腐蚀试验结果评价

传统的喷气燃料银片腐蚀评级方法(军用)存在评级准确度较低、重复性差的问题。针对该问题,提出一种基于颜色特征的银片腐蚀评级方法,开发出银片腐蚀评级软件,并搭建相应的图片获取系统。将该方法用于CIELAB颜色空间,以K均值聚类方式提取腐蚀标准色板及腐蚀银片的特征颜色,再根据距离判断银片腐蚀级别。试验结果表明,该方法与标准目测方法有较好的一致性,能够解决喷气燃料银片腐蚀评级困难的问题并实现腐蚀评级的自动化。     

隶属度信息辅助的红外多目标模糊关联算法

针对红外多目标跟踪,利用红外序列图像中目标隶属度信息建立改进的多目标关联算法。该算法是基于模糊c均值聚类方法,以红外目标运动状态和背景环境变化引起的红外目标隶属度信息变化为选择门限,适时切换算法赋值策略,以提高特殊环境下多目标关联的适应性。通过仿真对比证明了该方法具有更好的跟踪精度和稳定性。     

基于相邻脉冲相似性的快速聚类分选方法

针对复杂环境下的聚类问题,提出了一种新的聚类分选算法。其利用同一雷达辐射源的相邻脉冲间的相似性对信号进行聚类。该算法按到达时间顺序将信号依次归类,并将新分类的数据作为所在类的聚类中心,其无需事先指定聚类的数目,也无需进行反复的迭代计算。仿真表明,该算法不仅分类准确,而且大大缩减了计算量。     

滑动聚束SAR步进扫描影响分析

滑动聚束SAR系统在实际工作中通过步进扫描的方式来实现天线照射波束在方位向的扫描,然而该扫描方式会在滑动聚束SAR的成像结果中引入成对回波。为分析该成对回波的形成物理机制,建立滑动聚束SAR步进扫描的数学模型,通过泰勒展开和傅里叶级数分析具体解释了成对回波的成因,并给出了成对回波幅度及位置与步进脉冲控制数之间的定量关系。理论分析和信号仿真结果表明,该模型能够准确有效地解释这一现象,并可为滑动聚束SAR的波束扫描系统参数设计提供理论依据。     

城市战场目标分群的组合聚类方法

为了消除或减少城市作战中灰色情报信息对态势评估中目标分群的影响,提出一种基于Chameleon算法的组合聚类方法.根据目标属性间的区间灰数关联度和目标间的距离系数得到相似度矩阵,利用Chameleon算法对目标进行初始分群,然后,对分群中各目标的属性历史数据和分群中心的属性历史数据分别进行区间灰数向量关联分析,实现了目标分群的动态维护.通过算例验证了方法的有效性.     

石英/双酚E型氰酸酯复合材料的制备与性能

采用实验方法研究双酚E型氰酸酯树脂的黏度和固化特性,揭示催化剂对双酚E型氰酸酯树脂固化特性的影响规律;采用树脂传递模塑和真空导入模塑工艺制备石英纤维/双酚E型氰酸酯复合材料,并考察其力学性能。结果表明,双酚E型氰酸酯树脂室温至90℃范围内的黏度小于300 m Pa·s,凝胶时间大于10 h,起始固化温度、固化温度和终止固化温度分别为186±5℃,235±5℃和286±5℃;固化特征温度随着催化剂含量的增加而降低,直至催化剂饱和,其饱和范围为0.02%~0.03%,可使双酚E型氰酸酯树脂体系的固化温度降低约60℃,从而避免爆聚,实现液相法成型其复合材料;真空导入模塑工艺制备的石英纤维/双酚E型氰酸酯复合材料的力学性能明显优于树脂传递模塑制备试样。     

基于GM-ANP的维修人员保障能力评估

以维修人员保障能力评估指标体系为基础,建立基于GM-ANP的维修人员保障能力评估模型。采用网络分析法(ANP)确定各因素的权重,运用超级决策SD软件辅助计算权重;用灰色聚类评估方法(GM),确定评估样本矩阵和评估灰类,计算灰色评估权矩阵;综合权重和评估权矩阵,得出评估结果。通过实例计算表明这种评估模型的有效性和实用性。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。