野战指控系统机动时间路线优化研究*

以战时指控系统的机动路线优化问题为研究对象,建立了野战指控系统机动时间路线模型,在此模型的基础上提出用遗传算法来解决时间路线优化问题.初步处理了作战过程机动路线的必经点问题.在此基础上总结提出了机动路线优化的算法,将此算法在机步师野战指控系统遂行作战进行了验证.此算法可用来解决当前指控系统机动时间路线优化的问题.最后提出需要进一步解决的问题.     

基于HLA的军事通信网仿真系统VV&A框架流程

军事通信网仿真系统是采用 HLA 架构的大型复杂仿真系统,通过桥接和代理技术实现了多个单网系仿真系统的一体化。针对 HLA 的 FEDEP 过程和军事通信网仿真系统的特点,提出了军事通信网仿真系统VV&A 的框架流程,得出几点结论。     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。     

对欠发达地区小城镇消防规划问题的思考

小城镇消防规划是小城镇安全有序发展的重要保证.以对贵州部分小城镇消防状况进行调研为基础,分析了经济欠发达地区小城镇消防规划与建设存在问题及原因,并对如何切实做好此类地区小城镇消防规划进行了探讨.     

基于QFD的动能反卫装备体系技术需求分析

动能反卫装备体系涉及技术领域众多,高精尖技术相对集中。利用质量功能展开(QFD)方法,建立了QFD在装备体系需求分析中的质量屋(HOQ)结构,并且将德尔菲和头脑风暴法相结合确定了顾客需求权重,重点分析了QFD在动能反卫装备体系技术需求分析中的需求转换过程,将动能反卫装备体系的作战能力需求转化为装备体系技术需求,得到了动能反卫装备体系关键技术的重要度排序。     

供电电缆磁场辐射的预测模型及优化设计

基于磁场叠加原理,建立了单相、三相、并联单相、并联三相供电电缆常见布局方式下的磁场辐射计算模型,并给出了降低电缆磁场辐射的优化布局方法。仿真与实验结果表明:该计算模型有较高的准确性,有助于把握供电电缆磁场辐射的决定因素,可用于快速指导供电电缆的优化设计,以避免反复的仿真或实验试探,缩短设计时间,降低设计成本。     

基于一般二元关系的不确定性度量方法研究

针对一般二元关系,从知识的区分能力角度提出一种带有可调节参数的新的不确定性度量-α熵,给出了其在一般二元关系下的重要性质,指出一般二元关系下的α熵是现有多种不确定性度量的扩展,统一了完备和不完备信息系统中知识的不确定性度量.结合知识的α熵,给出了一般二元关系下粗糙集的α精度和α粗糙度的定义,证明了α精度、α粗糙度和知识...     

基于模糊决策的预防性维修间隔期评判方法

预防性维修间隔期的确定是对装备进行预防性维修的关键环节.采用基于总费用最小原则和可用度最大原则的传统数学模型,分别计算预防性维修间隔期,运用模糊决策的原理和方法进一步求解,从而确定最佳预防性维修间隔期.以新型自行高炮随动系统某部件为例,求解其预防性维修间隔期,并利用MATLAB编程语言得到相应曲线,对比计算结果后发现,...     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。