基于排队论和兰彻斯特方程的战时维修保障装备数量确定

针对战时维修保障装备不能合理规划运用的问题,利用排队论和兰彻斯特方程相结合的方法对战时维修保障装备的数量需求进行确定.通过对传统的兰彻斯特方程引入信息获取及处理系数,获得了在信息化条件战斗中作战装备的受击损坏率,并作为排队系统的输入参数,对排队系统进行战场时效性约束,确定了维修保障装备需求的数量.     

低速滚转弹道导弹的鲁棒滑模控制

建立了在主动段滚转飞行的弹道导弹的非线性动力学模型.在传统反演滑模控制的基础上,考虑到导弹动力学特性依照时间尺度能够分离为快、慢变两个子系统,设计了对外干扰和参数摄动具有不变性的两级子滑模,实现递级滑模控制,同时引入一阶低通滤波器矩阵避免"膨胀项".考虑到不确定性的界值难于事先获知,在滑模控制器中引入了自适应律实时地估计不确定性的大小,削弱抖振.最后通过数字仿真验证了这种控制器可以实现导弹稳定飞行.     

探地雷达的地下目标定位方法

目标定位是雷达需要完成的主要功能之一,提出了机载探测时的地下目标定位方法-多点测量方法.在建立电磁信号从机载雷达到地下目标传播路径模型的基础上,该方法利用合成孔径技术中多点测量的特点,利用机载探地雷达在不同位置的回波时间,建立并求解包含目标信息的方程组,实现机载条件下探地雷达对地下目标的定位.同时得到了地层媒质的相对介电常数,为地层研究提供了有力条件.     

基于记忆非线性多项式的星地一体预失真算法

传统的基于间接学习结构的预失真技术通常仅考虑对单个地面功放或卫星功放进行补偿,线性化性能有限;文中联合地面功放与卫星功放的非线性失真和卫星信道的实际传输特性,提出了一种适合透明卫星功放的星地一体间接学习预失真算法。该算法利用记忆深度为5、非线性阶数为9的奇偶项多项式作为预失真器,同时采用最小均方(LMS)与递归最小二乘(RLS)联合的算法自适应更新预失真器的系数,以兼顾运算量和收敛速度。仿真结果表明,经过星地一体预失真后,卫星高功放输出端APSK星座图误差矢量幅度改善值达到91.52%,带外功率谱抑制平均提升了11.41dB,系统线性化性能非常理想。     

一种改进的自适应Chirplet分解方法及其实现方法

参数自适应时频分布成为当前非平稳信号分析与处理的研究热点。针对自适应Chirplet分解所用基函数的时频关系为线性,对含有非线性时变分量的信号逼近效果不好的问题,提出了一种改进的自适应Chirplet分解方法,并给出其快速实现算法。首先在Chirplet时频原子的基础上添加了弯曲算子,构造了新的时频原子,得到了一种改进...     

供应链模式中采购管理组织结构沟通效率评价

为了评价采购管理组织结构沟通效率,利用趋势模型为组织结构构建提供科学可见的过程,并量化计算交流阻力,为项目选择沟通效率最高的组织结构.将此方法应用于采购实例评价,经过验证,此方法有一定的科学性和实用性.     

概率分布模型的飞机战备完好率评估与预测

飞机战备完好率是军用飞机战斗力的重要体现.在分析目前部队常用的飞机战备完好率算法缺陷的基础上,建立了基于概率分布的飞机战备完好率计算模型,该模型体现了飞机任务可靠性、维修性与战备完好性之间的关系.以某型飞机为例,通过分析飞机任务可靠度,利用飞机可靠性、维修性、保障性及作战训练任务的历史统计数据,依据概率分布模型对飞机的...     

指挥信息系统作战运用服务需求

以OODA(Observe-Orient-Decide-Act)作战过程模型为主要参考,充分考虑用户主观体验,提出了指挥信息系统作战运用信息服务的分类方法和交互关系,并以数字化机步师指挥信息系统为例,通过设计4种服务视角模型,分析其作战运用的服务需求,为科学运用指挥信息系统提供指导。     

战略预警系统中目标首次发现融合检测仿真比较研究

建立高度统一、反应灵敏的战略预警系统,是有效对付各种飞机、导弹和航天兵器袭击的首要环节。战略预警系统是国家防御体系的重要组成部分,是防备突然袭击的手段之一,对国家安全有重要意义。对于战略预警系统来说,预警目标的“有无”问题是关键点,是采取后续行动的前提。本文提出了在复杂环境下,基于马尔可夫过程的战略预警系统“目标首次发现”融合检测的三种可能的算法,并进行了初步的仿真比较研究。     

美军作战实验室的现状和发展

美军作战实验室建设走在世界的前列。从20世纪90年代初至今,美军已初步建立起从技术、战术到战役、战略,从兵种、军种到联合作战的完整实验体系。分析美军热衷于作战实验室建设的主要原因,概括介绍了美军主要的作战实验室及其主要技术手段与工作程序,分析了美军作战实验室的特点和发展趋势,在此基础上得出了组织管理与顶层设计、新技术研究与应用、需求牵引与研究成果有效应用、建设投入与重点等方面的启示,对于指导我军作战实验室建设具有重要的借鉴作用。