车载光学测量设备任务调度问题建模与求解

为提高观测方案效费比、改进探测能力,探索了一类车载光学测量设备的观测任务调度问题,并给出了解决方案。将观测任务调度问题建模为一个寻找最优观测方案的数学问题,结合设备的性能特点,给出了观测方案的数学描述,梳理了观测方案应满足的约束,提出了评价观测方案质量的指标,进而利用多属性决策方法来计算不同方案的总体效能,并排序获得最优方案。仿真算例验证了方法的有效性,相关研究成果对车载光学测量设备的运用实践具有一定的参考价值。     

超远程火炮安全装药多指标优化分析

通过计算分别建立了超远程火炮全装药和小号装药内弹道多目标(指标)优化模型,采用基于空间测度为标准的TOPSIS方法对方案进行了综合优化、排序,从而获得确保发射安全的满意装药方案。计算实例表明:TOPSIS方法是一种解多指标优化问题的有效方法,多指标优化模型可作为内弹道设计方案优化工具。     

有源消声技术与应用述评

近十几年来 ,有源消声技术成为噪声控制领域一个多学科交叉、渗透、延伸的研究热点 ,它以其体积小、重量轻、低频消声效果好等优点获得普遍的关注。本文简述有源消声的基本原理 ,对有源消声理论研究、实现技术、产品应用三个方面的国内外研究现状、进展和难点进行了详细的阐述和分析 ,较为完整地展示了当前该研究领域的全貌 ,最后进一步分析了有源消声走向工程化过程中存在的一些主要问题 ,提出了有源消声技术的几个重点发展方向     

冲床连杆瓦隔振有限元分析及降噪实验研究

在冲床连杆瓦背部设置弹性元件,可以显著地降低作用于床身的动载荷,阻止振动向床身传递.为了解隔振对床身动态特性的影响,预测其隔振效果,现运用有限元方法,利用SAP91软件对隔振前后的床身一隔振器系统的模态及动力响应进行分析比较,并对阻尼处理后的连杆瓦减振降噪效果进行了实验研究.     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

军事地理信息系统数据组织与显示实现及应用

在信息作战条件下,军事地理信息系统(MGIS)作为作战指挥自动化、数字化战场、辅助军事决策和现代武器系统的战场地理环境平台倍受世界各国的重视.在讨论军事地理系统的数据模型和数据结构的基础上,研究了军事地理信息系统的数据组织方法,针对数据存储结构设计进行了详细的论述,提出了一系列数据结构样本及数据系统设计方案,并通过软件开发实例,验证了其具体实现方法和途径.地图数据模型规划以Coverage模型为基础,在数据处理过程中以Geodatabase对象操作为原型,综合两者的优势,提高了海图的显示速度,并在实际工程中得到了很好的应用.     

基于多属性目标决策的威胁评估排序模型

针对当前海战中对舰艇编队构成威胁的空中目标的特点,运用目标多属性理论探索对空中目标的威胁排序问题.提出了一种对空中目标进行威胁评估和排序的方法,并通过示例介绍了威胁评估和排序的求解过程.该方法有效地解决了目标威胁评估与排序问题,提高了舰艇编队防空作战能力.     

Adaptive importance sampling for extreme quantile estimation with stochastic black box computer models

Quantile is an important quantity in reliability analysis, as it is related to the resistance level for defining failure events. This study develops a computationally efficient sampling method for estimating extreme quantiles using stochastic black box computer models. Importance sampling has been widely employed as a powerful variance reduction technique to reduce estimation uncertainty and improve computational efficiency in many reliability studies. However, when applied to quantile estimation, importance sampling faces challenges, because a good choice of the importance sampling density relies on information about the unknown quantile. We propose an adaptive method that refines the importance sampling density parameter toward the unknown target quantile value along the iterations. The proposed adaptive scheme allows us to use the simulation outcomes obtained in previous iterations for steering the simulation process to focus on important input areas. We prove some convergence properties of the proposed method and show that our approach can achieve variance reduction over crude Monte Carlo sampling. We demonstrate its estimation efficiency through numerical examples and wind turbine case study.     

杂合数据的粗糙集属性约简方法

针对决策表中属性取值为杂合数据的情况,提出了基于粗糙集理论的属性约简算法.首先给出了对象间在杂合数据下的相似度计算定义.为了获取合理的对象集合的软划分,给出了阈值计算的最优化模型,并基于粗糙集的上、下近似的概念,得到对象集合在条件属性下的上、下近似的覆盖划分.之后,通过各对象基于条件属性和决策属性的上、下近似下的分布矩阵描述,利用最大分布矩阵,直观地得到两种不同观点下的约简结果.实验结果表明了本算法的合理和有效性.     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。