基于维修效果的退化装备更换维修决策研究

武器装备性能会随着工作时间和故障次数的不断增加而逐渐退化,装备故障发生的频率和维修难度也相应增加,维修成本不断加大,对于性能退化的装备需要选择合适的更换维修方案.提出了考虑维修效果的关于可用度和平均运行成本的更换维修决策模型,理论上分析了以最大化装备可用度和最小化装备平均运行成本为优化目标的更换决策,并通过实例仿真,验证了模型的有效性.     

弹道导弹及其诱饵的运动特性研究

为了研究弹道导弹及其诱饵的运动规律,分3步设计了弹道导弹主动段飞行程序。根据弹道导弹在不同运动阶段的受力情况,充分考虑大气阻力、摄动力等因素,在地心惯性坐标系下构建了包含弹道导弹主动段、自由飞行段、再入段的全弹道运动模型,并对弹道导弹的诱饵释放过程进行建模,建立了弹道导弹弹头及诱饵的运动方程组。利用该模型对携带4枚诱饵、两级火箭助推的弹道导弹进行了仿真,并分析了飞行过程中弹道导弹弹头和诱饵飞行高度、速度、倾角、加速度等随时间的变化规律。仿真结果表明,该模型能够全面准确地反映弹道导弹在几个不同运动阶段的运动特征。     

基于主客观组合赋权的变权TOPSIS弹道目标威胁评估模型

针对目标威胁评估问题,提出了一种基于主客观组合赋权的变权TOPSIS弹道目标威胁评估模型。在利用层次分析法得到指标主观权重、利用熵权法得到客观权重的基础上,基于差异系数得到了威胁评估指标的主客观组合权值。通过引入变权理论的惩罚与激励机制,对传统组合赋权TOPSIS算法的权重计算方法进行了改进,改进后的模型能够根据目标状态参数随时间变化动态地对各项指标权重进行惩罚或者激励,实现了权重的动态调整,充分考虑了主观因素和客观因素对评估结果的影响。通过具体案例验证了模型的可靠性。威胁评估结果表明,改进后的模型更加注重目标各指标间的相关性,而且克服了常权决策带来的偏差,有效提升了弹道目标威胁评估的可靠性、准确性。     

基于卷积神经网络的中段拦截弹弹道规划

为解决中段反导拦截弹实时规划问题,将经典Lambert理论与卷积神经网络(CNN)相结合,提出一种高效的拦截点解算方法。基于Lambert理论构建二体假设条件下椭圆轨道的中段反导拦截弹弹道规划模型。利用卷积神经网络求解模型,可在满足精度要求的同时极大提升解算效率。利用Matlab仿真软件验证了此方法的合理性。此方法可以推广至其他作战规划问题,以满足作战选择的多样性需求。