鱼雷纯方位攻击提前角优化分析

鱼雷纯方位攻击是潜艇因无法解算目标运动要素时,依靠方位变化对目标实施快速鱼雷攻击的一种方法。鱼雷命中概率是武器装备研究和作战使用研究的重要内容,也是鱼雷武器作战效能评估的主要依据。通过分析自导鱼雷纯方位攻击的使用过程,建立了相应的数学和仿真模型,并采用大样本仿真的方法,得出不同情况下鱼雷攻击提前角的最优解。     

具有射击门的压制火炮命中与毁歼概率分析

以具有射击门的压制火炮武器系统为研究对象,在正态射击误差的假设下,以正态误差方差的分布理论为工具,给出了随动误差在射击门内外方差的分布状态,在此基础上导出了射击门体制下随动误差的密度函数,在没有引入近似公式与经验数据的条件下,给出了此类武器系统弹药的命中概率与一次发连射下的毁歼概率表达式。为论证、设计、测试上述概率提供了理论工具。     

航天器调度中的资源约束推理方法

资源水平边界的估计是构建资源利用可行计划中的一个基础问题。通过分析航天器资源约束的共享与分离并存、累积与瞬时消耗并存、过度订阅与区间调度并存等特点,提出了资源时间网络、时间约束网络和约束网络相结合的资源约束描述方法;构建了增量式基于包络的资源约束算法和最早开始时间链展开资源约束算法,以快速获取资源一致的柔性解。实例证明,该方法较好地解决了航天器调度的资源约束推理问题。     

神经规则与案例融合的专家系统知识表示和推理

为了对专家系统中的知识进行表示,并使得推理变得更加准确高效,介绍了一种结合符号规则、神经网络和案例的方法。该方法是把一种混合规则,即神经规则和案例结合在一起。它与传统的基于符号规则推理不同的是,即使有一些未知的输入,也可以执行基于神经规则的推理。实验证明,与传统的专家系统比较,混合推理可以提高故障诊断的效率和精确度。     

深度不确定的战场环境下鲁棒战术决策方法

针对日益复杂的战场环境研究了深度不确定战场环境下的战术决策问题。结合鲁棒决策的特征,提出一套将情景规划与定量方法融合于鲁棒决策分析方法中的决策流程;并结合战争复杂性、不确定性的特性,将深度不确定环境下的鲁棒决策方法应用于战术决策的制定当中,从战场情景规划到基于综合集成方法的鲁棒战术决策模型,给出了具体的生成过程。     

为民:党的建设科学化的实践逻辑起点

一个政党只有按照政党发展规律加强建设,才能实现自身奋斗目标。中国共产党顺应时代要求,坚持执政为民,在政治生活中按照执政党建设的规律逻辑推进党的各项工作,实现党的建设科学化,增强党在新的历史条件下的创造力凝聚力战斗力。     

舰艇舱室火灾危险源的分析和辨识

针对舰艇安全性设计和安全性管理两大问题,根据火灾危险源的特点可将其分为两类,运用直接经验法和统计分析法构建第一类火灾危险源辨识模式,运用系统安全分析法构建第二类火灾危险源辨识模式,并将该方法应用于某型舰艇机舱火灾危险源分析和辨识,得到机舱火灾载荷密度、热释放速率、热释放强度和事故树结构重要度等技术指标。分析表明:机舱属于高危火灾舱室,舱内灭火器材的配置、灭火系统的完好性以及舰员的损管素质是火灾事故发生最重要的影响因素。     

基于关键路径和任务复制的多核调度算法

针对目前大多数多核处理器任务分配优化算法没有考虑关键路径上节点对任务完成时间的重要影响,导致任务完成总时间延迟的问题,提出了基于关键路径和任务复制(CPTD)的单任务调度算法。CPTD算法通过复制任务图中fork节点的方式将任务图转化为与之相对应的产品加工树;再在生成的产品加工树中找到关键路径,并采取使关键路径上节点的紧前节点尽早调度的方式,使关键路径上节点尽早开始执行,进而使产品加工树中节点完成时间得以提前,达到缩短任务执行总时间的目的。理论分析表明,CPTD算法能够实现应用程序在多核上充分并行处理,并能缩短任务完成时间。     

用非概率理论分析混合不确定性结构的可靠性

针对不确定性结构可靠性分析中的输入变量分布参数具有不确定性和输入变量为区间模型的混合不确定性结构展开研究。考虑到可用信息最少的情况,将分布参数的不确定性描述为区间模型。通过等概率转换方法将随机变量与其分布参数进行分离,使问题转化为随机与区间变量混合的可靠性问题,建立了混合不确定性问题的可靠性分析模型。基于非概率可靠性理论,建立混合不确定结构分析模型的二级极限状态函数并结合Kriging代理模型建立了高效的求解方法。将所建立的混合不确定模型应用于飞行器结构的不确定性分析中,验证了所建模型的合理性和所提方法的高效性和准确性。     

一种新型动态贝叶斯网络及其在威胁评估中的应用

针对利用基本贝叶斯网络进行威胁评估时的不足,提出利用变结构区间概率动态贝叶斯网络(VSIP-DBN)进行威胁评估。对所提出的VSIP-DBN给出了其推理算法。在充分考虑目标的空战态势及空战能力下,建立了威胁评估的VSIP-DBN模型。将观测到的数据利用VSIP-DBN推理算法进行推理,推理结果就是目标的威胁等级。以往的威胁评估需要精确获得目标的模型参数和观测数据,通过仿真对比分析,利用VSIP-DBN建立的威胁评估模型不需要精确给出模型参数,即使出现观测数据的误差,仍能准确评估出目标的威胁程度。