基于灰色加权马尔科夫的部队集成训练效果预测

针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。     

应用新型Lanchester方程的非对称空战进程预测

针对未来空战中可能出现的非对称空战问题进行研究,在设定的非对称空战背景下构建新型Lanchester方程对问题进行建模分析,得到单一机种和多兵种非对称空战模型,并通过仿真试验验证了模型的有效性,对非对称空战指挥决策提供了一定的帮助。     

直升机载制导火箭弹命中精度评定研究

针对直升机载制导火箭弹特点,根据命中精度概念,分析出直升机载制导火箭命中精度的合理表示方法;考虑研制成本、试验条件等因素,提出研制阶段基于点估计和区间估计的制导火箭命中精度评定方案,并通过试验数据验证其正确性。鉴于产品批量生产交付阶段抽检质量时实弹难以统计弹着点和用弹数量有限的困难,提出了CEP评定转换为命中率考核,采用截尾序贯法,并进行优化的评定方案。     

基于改进支持向量回归机的火炮身管寿命预测

为准确预测火炮身管寿命终止时火炮射弹数,根据射击过程中火炮身管磨损量与身管寿命特性,分析了身管膛线起始部磨损量与身管射弹数之间的关系,提出了支持向量回归机算法,并采用遗传算法进行模型优化改进,得到火炮身管寿命预测最优模型。结合两种类型火炮的身管数据,利用该模型对身管寿命进行预测,并与原始支持向量回归机进行对比,通过分析可知改进的支持向量回归机预测效果好、精度高,为火炮在实际应用中身管的寿命预测提供了新的思路。     

基于退化速率跟踪粒子滤波的剩余使用寿命预测框架

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好的解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。本文针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化。并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

南线“雄鹰”:决胜千里之外

K时,南疆某域,一场旨在提高基于信息系统体系作战能力的未知条件下体系对抗演练激烈展开;空中,进攻与防御战机斗智斗勇,激战正酣,威震海天;地面,防空火力发射与拦截此起彼伏,精确制导,硝烟弥漫;海上,搜救直升机和舰艇迅即出击,全力营救,大浪滔天;南线"雄鹰",运筹帷幄之中,决胜千里之外。     

基于反馈线性化的制导炮弹弹道控制系统设计

为提高制导炮弹的控制性能,研究了一种非线性弹道控制系统设计方法。建立了弹道控制系统模型,针对该模型的非线性、耦合和不确定性问题,利用反馈线性化方法将复杂的非线性系统进行解耦,结合滑模控制原理给出了一种非线性鲁棒控制器设计方法,并应用于制导炮弹的弹道跟踪控制器设计。制导炮弹六自由度仿真表明:该模型和控制器设计方法是可行的,能有效地控制制导炮弹按预期弹道飞行,具有良好的动态跟踪性能,并对气动参数摄动表现出鲁棒性,有利于提高制导炮弹的大空域作战能力。     

基于CPU-GPU混合计算平台的RNA二级结构预测算法并行化研究

RNA二级结构预测是生物信息学领域重要的研究方向,基于最小自由能模型的Zuker算法是目前该领域最典型使用最广泛的算法之一。本文基于CPU GPU的混合计算平台实现了对Zuker算法的并行和加速。根据CPU和GPU计算性能的差异,通过合理的任务分配策略,实现二者之间的并行协作计算和处理单元间的负载平衡;针对CPU和GPU的不同硬件特性,对Zuker算法在CPU和GPU上的实现分别采取了不同的并行优化方法,提高了混合加速系统的计算性能。实验结果表明,CPU处理单元在混合系统中承担了14%以上的计算任务,与传统的多核CPU并行方案相比,采用混合并行加速方法可获得15.93的全局加速比;与最优的单纯GPU加速方案相比,可获得16%的性能提升,并且该混合计算方案可用于对其它生物信息学序列分析应用的并行和加速。     

中制导虚拟目标的定位参数研究

基于虚拟目标的优化导引中制导拦截弹道轨迹及其能耗与虚拟目标的位置紧密相关,决定该位置的参数包括中末制导交班距离和视场基准角等.首先研究了弹道特性随定位参数的变化规律并提出通过滚转实现视场基准角的负取值,在此基础上得出满足多约束条件的虚拟目标定位参数的设置方法.利用该方法所产生的虚拟目标与相应的优化导引律结合,可以很好地满足中制导的要求.     

基于支持向量机的装备故障间隔时间预测研究

针对装备故障样本数据量少、非线性强,故障预测困难的问题,提出了一种基于支持向量机回归的故障间隔时间预测模型.在不同核函数条件下,以提高核函数的普遍适应性和拟合精度为目的,通过实例分析选择了相对于装备故障数据的最佳核函数,并根据故障样本数据的特点,设计了与之相适应的核函数参数.实验结果表明,与常用的BP神经网络预测模型相比,该模型有更强的鲁棒性和推广能力,具有一定的实用价值.