复杂电磁环境下搜索雷达探测概率仿真分析

为了具体分析复杂电磁环境对舰载搜索雷达的影响,针对搜索雷达干扰方式的数学模型,从研究搜索雷达探测概率的角度建立了作战效能模型.以这些数学模型为基础和依据,对海军作战仿真系统中,复杂电磁环境下舰载警戒搜索雷达探测概率进行了多次定量仿真计算,给出了主要数据结果.仿真计算结果与理论值基本吻合,证明仿真计算的结果是可靠的,能够反映复杂电磁环境对搜索雷达探测概率的实际影响.     

城市居民区地震火灾风险评价研究

在城市地震发生后,火灾往往是最危险的。因此,进行地震火灾危险性分析十分重要。分析了地震火灾产生的原因及其影响因素,提出了地震火灾灾度概念和城市地震火灾危险性分析的模型,建立了城市居民区地震火灾风险评价体系。研究结果可以给城市居民小区地震火灾风险评估提供一套理论模型,用以评价未来某一城市的地震火灾风险。     

基于卡尔曼滤波的计算机视觉和SINS组合导航

计算机视觉及其应用是目前研究的一个热点.在介绍计算机视觉和计算机视觉导航的基础上,提出了利用计算机视觉和SINS进行组合导航的方法.由于地球上的基准位置是三维点,而计算机视觉形成的是二维的图像,因此随后详细介绍了成像以及坐标转换的方法,并对提出的组合导航方法进行详细的分析,建立了组合导航的误差方程,然后利用卡尔曼滤波算法对误差进行估算.最后的试验仿真结果说明,提出的组合导航方法提高了导航精度,具有一定应用价值.     

防空武器系统作战建模与仿真

在对防空武器系统作战过程分析的基础上,用IDEF(integrated definition method)方法建立了防空武器系统作战过程的功能模型,并使用一种扩展随机有色Petri网(SCOPN)对武器系统作战的动态过程进行建模与分析,通过对武器系统作战过程的定量计算,验证了建模方法的可行性,为研究复杂系统提供了一种有效方法.     

SEAD场景异构无人机配置与任务规划联合优化方法

对敌防空压制(suppression of enemy air defenses, SEAD)场景是多无人机协同的典型应用,针对该场景特点,在任务规划问题基础上将各类型无人机数量也作为决策变量,充分表征目标、任务和无人机的多种约束,建立异构无人机编队路径问题模型。设计了双层联合优化方法求解该模型：上层设计了任务衔接参数指标,精确评估各类型无人机需求,指导无人机配置调整;下层设计了改进遗传算法,高效处理多类型约束并能结合无人机数量变化对任务方案进行精细调整;双层相互协调获得满足需求的无人机配置和执行方案。仿真结果表明,该方法可以在避免遍历无人机配置组合的前提下获得合理的无人机配置方案和高效可行的执行方案。     

地空导弹阵地选择的模糊综合评判

选择地空导弹阵地是地空导弹部队作战指挥决策的必要环节和重要内容,阵地选择的好坏直接影响到导弹性能的发挥和防空任务的实现.由于阵地选择受到很多非量化因素的影响,单纯定性分析很难给出科学合理的评价结果,所以必须定性、定量相结合进行综合评判.通过对影响地空导弹阵地选择各因素的全面分析,建立了阵地选择的因素指标体系,给出了阵地选择的综合评判模型和评判方法,并通过实例验证了该模型和方法对评估和优选地空导弹阵地的可行性和实用性.     

SINS/GPS 组合导航系统的修正自适应滤波方法

模型误差和噪声是导致SINS/GPS组合导航计算发散的主要原因.提出了一种适用SINS/GPS组合导航计算的残差监控加权修正自适应卡尔曼滤波方法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高了滤波器对模型不确定性和噪声变化的适应能力和鲁棒性,显著改善了组合导航系统的定位精度.通过SINS/GPS组合导航系统仿真,验证了方法的可行性.     

面向典型任务的有人/无人机协同效能评估

有人/无人机协同作战是C4ISR体系下的一种重要形式.本文以有人/无人机协同执行典型任务为研究背景,针对构建可靠、全面的有人/无人机协同效能理论评估方法的问题展开深入研究.首先分析了未来有人/无人机的协同模式和运用规则;然后采用协同系统综合指数模型,在单机能力模型的基础上,提出了一种有人/无人机编队协同效能评估方法;最...     

基于单因子实验模型的坦克射击单车差异分析

坦克单车技术水平差异的定量分析对于坦克射击考核的公平性和武器效能评估的准确性非常重要。通过引入统计学中的单因子试验模型,把单坦克的技术状况作为变动因子,把射击成绩作为响应变量,分析试验数据,准确计算出因子的变动是否影响射击成绩,从而得出参加试验各坦克在技术水平上是否存在差距。     

基于相对密度的增量式聚类算法

基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。