基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

基于云模型和FAHP熵权的空地弹药效能评估

准确、科学地评估空地弹药的作战效能,对武器装备的设计、研制、试验、采购、作战使用及维护具有重要的意义。充分利用云模型可将定性指标的模糊性和随机性有效结合的特点,构建了空地弹药作战效能的综合云评估模型。针对现有确定指标权重的方法存在主观性较强的不足,提出一种基于模糊层次分析法(FAHP)熵权的权重确定方法,有效利用了主观信息和客观信息。实例分析表明该模型可准确、客观、有效地评估空地弹药的作战效能。     

颠覆性技术发展面临的挑战与对策

信息攻防作战力量既可以独立成军成战,又可以和各军兵种、各种武器平台无缝衔接、联合协同,以发挥无限的战争潜力,是以信息攻防新技术为支撑、以软硬打击新能力为标志的新型作战力量。从核心信息基础设施建设,信息攻击和防护能力建设以及信息攻防协同作战三个方面论述了信息攻防新型作战力量建设的重要问题及战法对策,对信息攻防作战的特点规律和技术手段进行了剖析。     

颠覆性技术发展面临的挑战与对策

颠覆性技术是大国军事博弈的战略需要和提升国家科技创新能力的重要途径,可引发作战样式和战争形态的根本性变革。目前,世界主要国家纷纷确立其军用颠覆性技术重点发展领域,甚至开展技术竞赛,意图抢抓科技创新机遇,掌握战争主动权。然而,颠覆性技术从研发到战斗力转化的每个环节都充满了未知和风险,需客观分析其未来发展可能面临的挑战,并思考相应对策。     

军人心理训练的实证研究及其思考

军人心理训练,作为一种将心理训练与战斗力相结合的新型训练模式,是军人提升心理能力、培育素质素养的重要途径。通过概述军人心理训练的内涵和方法,梳理实证研究的研究现状,为拓展军人心理训练领域研究、深化训练应用实效提出思考。     

对LFM雷达的间歇采样累加干扰研究

间歇采样转发干扰以及改进的重复转发间歇采样干扰是对线性调频雷达的有效干扰样式,但其形成的假目标幅度较小,能量损失较大。针对这些不足,提出了一种间歇采样累加干扰,该方法通过将数字储频后离散采样信号的幅值进行累加,在获得干扰幅度的同时实现信号的最大相干性。通过理论分析可知,信号脉内周期性变化会对干扰信号产生影响,因此又通过对累加信号幅度较低部分进行幅度倍乘和对间歇采样信号取绝对值后累加,得到2种改进方案:倍乘调整间歇采样累加干扰和绝对值间歇采样累加干扰。最后通过仿真实验,证明了间歇采样累加干扰是对线性调频雷达的一种有效干扰,能够产生较好的欺骗和覆盖干扰效果,并且假目标幅度较大,工程实现简单,节省功率。     

基于主成分分析法的反导态势要素提取研究

针对弹道导弹及其攻防作战的特点,深入分析反导作战态势评估的过程,研究影响反导预警态势评估的主要因素,构建了反导战场态势要素集模型。在此基础上,采用主成分分析法进行要素分析与提取,优化重构要素集模型。研究结果为提高反导预警态势评估的准确性和指挥决策的及时性提供了重要依据和保障。     

基于N层向量空间模型的装备IETM数据查询

为了提高IETM数据查询的准确率,通过对数据模块编码层与XML内容层进行分析,结合N层向量空间模型查询算法,从IETM数据模块编码层中的型号识别码、系统层次码、信息码以及数据模块内部数据信息入手,提出了一种基于N层向量空间模型的装备IETM数据查询算法,并通过IETM实例验证了该算法的正确性与实用性。     

含诱导缺陷复合材料T型接头的弯曲失效实验

通过实验研究含不同诱导缺陷的复合材料T型接头的弯曲力学性能和失效过程,采用引入脱黏缺陷和三角区填充率缺陷来诱导T型接头的不同失效模式。结果表明不同失效模式下T型接头所表现出来的弯曲力学性能差异极大,完好的T型接头所能承受的载荷为288.5N,界面脱黏会削弱其30%的承载能力,而三角区填充率的减少会导致裂纹在填充区内部引发和扩展,导致T型接头的弯曲力学性能大幅降低。     

基于AM-LFM和IRT的旋转微动目标成像算法

在雷达成像中,基于CS的方法因其压缩采样的特性而在高分辨雷达成像中得到广泛应用。然而由于其是一种基于参数化的成像方法,对观测位置误差特别敏感。在实际中,一般无法知道精确的观测位置。观测位置的误差会造成成像结果位置的偏离、散焦以及无法聚焦。针对基于压缩感知的成像算法存在的观测位置依赖性问题,提出了一种基于调幅-线性调频(AM-LFM)分解和逆Radon变换(IRT)的微动目标成像算法。该方法根据分解后信号调频率分离目标微动信号与主体信号,再进行IRT成像。仿真及实验结果验证了算法的可行性和有效性。