改革开放以来我党对军事战略形势的判断与预测

改革开放以来,面对复杂多变的国际国内形势,我党在指导国防与军队建设的历史进程中不断取得新成绩,获得新突破,一个重要原因是党能在重大军事问题上提前做出正确的判断与预测。总结党在改革开放以来对重大军事问题战略判断与预测的理论与实践,有重要的历史和现实意义。     

基于DAC5686的线性调频信号产生方法研究

研究了基于DAC5686的线性调频信号产生方法。分析了线性调频信号及其产生原理,研究了DAC5686工作原理,设计了信号产生电路,给出了线性调频信号的实现实例．结果表明,该方法可以灵活地产生所需线性调频信号,从而满足某型地空导弹制导雷达中频接收机性能测试的需要．与传统的线性调频信号产生方法相比,该方法降低了系统设计难度,缩短了开发周期,提高了设计的可靠性,具有较高的实用价值,对于其它场合频线性调频信号的产生也具有一定的借鉴意义．     

基于灰色系统理论的设备状态监测系统设计

介绍了设备状态集中监测系统的构建和灰色系统理论在设备状态预测中的应用原理及方法．利用Matlab提供的基于最小二乘法的非线性曲线拟合函数能方便地求解一阶灰微分方程,从而得到原始数列的预测值表达式．应用实例表明,基于灰色系统理论的预测模型适用于小样本不确定问题的研究,预测精度高、实现容易．基于灰色系统理论的设备状态监测系统的研制对于科学制定维修计划,改进设备的管理维护手段,确保试验任务的质量和进度具有重要作用．     

基于非线性模型预测的翼伞系统控制研究

翼伞系统在飞行过程中,受外界不确定因素的影响呈现出非线性特性和耦合性．应用非线性模型预测控制理论对翼伞系统飞行控制进行了研究,提出基于非线性模型预测控制的翼伞系统控制律设计方法,并推导出控制律解析式．仿真研究表明,合理地选择泰勒展开级数和预测周期,通过泰勒级数展开并截尾后的翼伞非线性控制系统可以表现出良好的控制性能．     

面向装备作战仿真的弹药消耗预测方法研究现状

作战模拟、数理模型和智能算法是当前弹药消耗预测常用的三类方法。美陆军弹药消耗预测系统是基于作战模拟弹药消耗预测方法的代表,预测过程模块化、系统化。基于数理模型的弹药消耗预测包括基于能力和面向目标威胁的两类方法,预测过程科学化、严谨化。基于智能算法的弹药消耗预测包括时间序列分析和人工神经网络两类方法,预测过程智能化、精确化。各类预测方法在武器—弹药—目标的分组方式与目标分配原则等方面尚存在问题,未来应加强联合火力下以及高技术弹药消耗预测研究。     

考虑航材可靠性能的消耗预测模型

航材消耗量的准确预测具有明显的军事和经济效益。对航材进行消耗预测,其首要问题就是确定何时产生需求。使用器材可靠寿命时间指标,可侧面描述航材故障间隔时间和故障时刻,从而确定出航材的需求时点。     

一种基于流形与特征融合的说话人识别方法

MFCC参数是说话人识别常用的特征参数,但单独使用MFCC参数,系统性能难以进一步提高。文章提出了一种MFCC和语谱图特征相融合的说话人识别方法。针对语谱图特征空间维数高、数据量大的问题,采用流形学习中的LLE算法对语谱图信息进行压缩,并根据样本点每一维所代表的不同特性信息改进了LLE算法。以SRMC汉语语音数据库为测试语音,与传统PCA算法以及单独使用MFCC参数进行对比实验,在识别人数为100人时,识别率分别提高了2.5%和3%,验证了所提方法的有效性。     

IMM-EKF的弹道导弹轨道实时动态预测

快速准确的导弹轨道预测是有效进行导弹防御的前提。提出一种基于IMM-EKF的弹道导弹轨道实时动态预测方法,对导弹发射点和落点分别进行动态预测研究。首先,构建不包含导弹先验信息的IMM-EKF弹道估计器;其次,定义一种模型概率累积因子,用于估计导弹的关机时刻及相应的运动状态;最后,基于导弹运动状态的实时估计,动态预测落点和发射点。仿真实验结果表明:该方法能实时动态预测导弹发射点和落点;发射点预测应利用主动段状态估计,而落点预测则在导弹自由段早期进行为宜。     

基于GA-BP算法的飞机维修人员安全预测模型

为实现对飞机维修人员安全性的有效预测,构建了维修人员安全性评价指标.通过专家打分法获得了维修人员安全性评价指标的原始训练数据和测试数据,分别采用BP-GDM模型、BP-LM模型和GA-BP-LM模型对数据进行了训练和预测,仿真结果表明:BP-GDM模型预测精度最差,且训练耗时较长,而GA-BP-LM模型不仅可以获得较高的预测精度,且耗时最短,BP-LM模型居中.此外GA-BP-LM模型相对误差值波动幅度最小,平均相对误差仅为3.33％,达到了预测的精度要求,为飞机维修人员安全性预测提供了有效手段.     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。