基于马尔可夫过程的坦克火力随机对抗模型

根据小规模坦克火力对抗中所具有的马尔可夫性特点,将该过程视为离散状态、离散时间的马尔可夫随机过程(马尔可夫链),由此建立了坦克与反坦克武器系统之间一对一对抗的随机格斗模型,并给出双方获胜概率和平均对抗回合数的计算公式。最后通过实例验证了模型的有效性。该模型克服了轮流对抗不符合战场实际的缺点,为分队指挥员在射击策略的选择和分队火力运用上的快速决策提供了较为精确的量化依据。     

演化硬件中变异概率对进化算法首次命中时间的影响

在(1+1)EAs中,采用马尔可夫链推移时间分析法,推导出了平均首次命中时间的表达式。从理论上分析了变异概率对平均首次命中时间的影响。结果表明适当的变异概率会缩短平均首次命中时间,加快进化算法的寻优时间。     

基于HMM的传感器位置优化模型

首先介绍了隐马尔可夫模型(HMM)理论,并对HMM健康状态评估的基本程序和方法进行了研究。HMM对系统健康状态评估具有所需样本少、识别精度高及分类明显等优点,利用隐马尔可夫模型对传感器的不同位置进行评估,从定量的角度对传感器位置的优劣进行评价,提出了利用隐马尔可夫模型对传感器在不同位置上的效果进行评价的方法。最后,利用齿轮箱实验数据,分析验证了方法的实施流程和有效性。     

BIT系统的三态马尔可夫模型分析

BIT技术是改善系统测试性和诊断能力的重要途径,但是较高的虚警率一直是阻碍BIT广泛应用的一个重要原因。研究过程中将系统状态划分为正常、间歇、故障三种状态,建立了马尔可夫模型,分析、对比了三态模型与两态模型的关系。理论分析结果表明:基于三态模型的BIT,在提高故障检测率的同时,还可以较大程度地降低虚警率。     

多UCAV任务分配有限阶段MDP方法和算法

多UCAV(Unmanned Combat Air Vehicle)任务分配是无人机作战决策的重要内容,是一类求解困难的组合优化问题,目前尚无成熟高效的解决方案.通过马尔可夫决策过程(MDP)将任务分配问题化解为分阶段序列决策过程,并对当前阶段决策状态采用单一整数编码,提出了基于有限阶段MDP的求解算法.通过仿真实验表明:该算法可以快速精确地解决多UCAV任务分配的问题.     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.     

基于装备最优使用率的维修决策模型

根据作战单元中装备使用率与武器装备战损维修策略之间的关系,结合战斗过程中武器装备的战损规律和维修规律,运用马尔可夫链理论,建立了一种基于装备最优使用率的战损装备维修策略优化模型。运用这种最优维修策略模型可以达到提高作战单元中武器装备使用率的目的,从而为充分发挥作战单元整体战斗效能找到了一种新的装备维修辅助决策方法。这种维修决策优化模型主要采用量化分析的方法,根据作战单元中装备的战损情况和部队的维修能力制定出最优的维修策略,确定在战斗过程对战损装备进行维修的最优时机,达到提高作战单元整体战斗力的目的,从而为充分发挥作战单元的整体战斗力找到科学的途径。最后,结合实例对模型进行了检验。     

基于马尔可夫过程的活动目标侦察雷达搜索效率模型研究

根据活动目标侦察雷达的特点和发现目标的环节,用马尔可夫过程对侦察系统的雷达搜索效率进行分析,得出计算模型,给出应用实例.对提高雷达的作战效能有一定意义.     

基于马尔可夫链的机动保障分队选址模型

建立机动保障分队是高技术条件下装备保障模式变革的需要。本文利用马尔可夫链的理论和方法,在考虑保障站点故障率、服务时间和距离的基础上对保障分队选址进行了研究,建立了选址模型并给出了解法。     

基于随机Petri网的综合航电系统建模及分析

提出了一种利用随机Petri网对综合航电系统进行建模和性能分析的方法.首先,建立了综合航电系统数据总线传输系统的随机Petri网系统模型,通过系统模型进行综合航电系统的性能分析;其次,给出了航空电子综合系统数据总线传输基于固定主控端周期指令的总线性能分析结果;最后,通过两种分析结果的比较,得出了基于随机Petri网对航空电子综合系统数据总线传输建模分析是可行的结论.