分布式综合化航空电子网络拓扑优化技术

针对分布式综合化(DIMA)架构下实时动态消息流和网络资源能力,优化航空数据和通信网络(ADCN)拓扑问题,提出一种基于业务拓扑、网络拓扑以及延迟、线缆约束下的多目标网络拓扑优化算法。该算法能够基于驻留任务的信号、逻辑连接、物理连接关系,在资源约束下优化机载网络拓扑。算法通过组合优化方法计算折中全局最优解集(Pareto最优)。对于大规模机载网络架构优化,为了减少计算规模和提高计算时间,又提出一种预计算路径算法。算法通过类A320机载网络拓扑场景和类A380机载网络拓扑场景进行验证。结果表明,相比手动功能映射和网络拓扑优化设计,优化效率能提高10%～30%。     

基于微分对策的多型反舰导弹火力优化模型

根据多型反舰导弹对抗舰艇编队的基本作战模式,以最大毁伤作为优化目标,对作战双方不同能力层次的武器进行区分,建立了能够动态反映对抗过程的微分对策火力分配优化模型,实时反映对抗双方的毁伤,从而最终寻找得到作战双方的最优火力分配策略;运用拉格朗日构造法解算微分对策模型,给出迭代求解模型参数的方法。立足体系作战思想,整合作战资源,灵活运用军事运筹学以提高各作战单元的组织度,研究成果主要为运用多型反舰导弹对海攻击任务的方案制定、训练演习提供参考。     

基于双天线GPS的一次调炮解耦模型研究

现有的压制武器自动调炮主要包括二次调炮和一次调炮两种方案,两种调炮方案难以兼顾调炮性能和造价成本。因此,在压制武器系统中采用成本相对较低的双天线GPS定位测向装置,在满足火炮调炮高精度的同时降低成本。最后结合四元数理论,推导出基于双天线GPS的一次调炮解耦模型,目前该模型已在若干项目中得到成功应用。     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。     

多轴向织物层合板层间剪切强度有限元分析与实验研究

用VIMP工艺制备了UD、0/45/-45、0/45/90/-45三种多轴向织物增强,四种厚度的GFRP层合板试样,采用短梁剪切实验考察了层间剪切强度和破坏模式。建立了GFRP层合板短梁剪切试样有限元模型,计算了内部层间剪应力分布。结合计算和实验结果分析表明层合板存在由宽度方向层间剪应力变化导致的自由边缘效应,含偏轴铺层的层合板更容易发生边缘开裂破坏。厚度相同时0/45/-45多轴向织物增强层合板的层间剪切强度最高。短梁剪切强度测试存在尺寸效应,随着厚度的增加,强度下降,样品波动系数增大。     

多传感器组合导航系统评述

介绍了组合导航系统的重要性、发展现状和发展趋势。根据导航与目标跟踪的区别与联系,从多传感器组合导航系统研究的角度出发,在概念理解、模型建立和系统结构等方面做了详细的评述,提出了多传感器导航信息融合系统的功能模型,分析了位置融合级的结构模型。     

多硫代苯的制备及其电化学性能研究

研究了多硫代苯网状聚合物的合成以及不同硫含量的多硫代苯的放电性能及循环性能．结果表明提高硫含量有利于提高材料的放电容量，但充放电循环中的容量衰减也加快．硫含量为91．99％的PPS一10的首放容量i妊4756mAh／g，20次循环容量达到367mAh／g，有望用于一次和二次锂电池中作正极材料．     

六自由度装置滚转轴干扰源的诊断及其抑制

为了查找滚转轴出现定位偏差的原因 ,通过对比多种情况下滚转轴的反馈信号 ,结合相应的定位试验 ,查出了导致滚转轴出现定位偏差的干扰源。基于对滚转轴反馈信号被干扰原因的分析 ,有针对性地采取了多项措施 ,并给出了这些措施的效果。最终采用给Y轴驱动器单独供电的方式解决了这一难题 ,经风洞试验证明 ,效果良好     

导弹武器装备备件储备量计算模型

备件保障一直是影响武器装备保障的重要因素,导弹武器装备备件保障是现在导弹部队面临的亟待解决的重要课题。根据导弹武器装备使用保障的特点,将导弹装备备件按寿命分布进行分类,并采用模型法确定了不同寿命分布类型的备件储备量计算模型。最后,针对各类备件储备量计算模型进行了实例说明,具有一定的实际意义。     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.