基于体系仿真大数据的效能评估方法

随着复杂系统仿真技术、计算能力和数据管理能力的发展,仿真数据逐步呈现大数据特点,评估指标之间也存在高维度、高冗余、高相关等突出问题。结合上述背景,分析了基于体系仿真的效能评估问题研究现状,介绍了深度学习技术的研究进展。指出采用合理的指标约简方法、使用高效的神经网络模型进行效能评估是下一步的研究重点。     

战场运输在线路径规划算法研究

针对战场运输保障任务批次多,不确定性强等特点,提出了一种轻型在线的运输路径规划算法。以节省整体运输开销为目标,利用图论思想对运输路径的相互关系进行了数学建模,定义了路径连接的必要条件和合并算子。并借鉴了节约法等启发式方法的思路,提出了一个路径优化合并方法和相应在线调度算法,能够按照负载平衡和最小开销策略分配运力,按需对现有任务合并。模拟实验结果表明,与过去按分管关系指派任务的方法相比,运输开销得到显著减小。     

基于复杂网络的指挥控制体系成熟度评估方法

通过对指挥控制成熟度的评估,有助于提高指控方法的运用能力,从而更加高效地履行作战使命任务。根据北约研究分析与仿真委员会(SAS)的研究成果分析了网络赋能指挥控制成熟度模型,利用社会网络、复杂网络分析相关度量指标,从决策权分配、信息分布以及成员间的交互模式进行研究,为面向任务的指挥控制设计提供一种度量指标。设计了相应的典型案例并进行分析,验证了所提方法的可行性。     

基于反电动势的多相感应电机MRAS控制策略优化

针对舰用多相电力推进系统无速度传感器控制的需求,将带输入滤波环节的基于电机反电动势的模型参考自适应(MRAS)方法用于多相感应电机无速度传感器矢量控制系统,推导了系统的小信号模型,分析了滤波截止频率和转速估算PI参数对系统性能的影响,并在此基础上设计了变滤波截止频率变PI参数优化的MRAS控制策略。仿真和实验结果表明:该优化方法具有更高的转速估算精度和静、动态控制性能。     

基于改进支持向量回归机的天基信息系统效能评估

天基信息系统效能的评估对于一体化作战的现代战争具有重要意义。针对武器系统效能评估的影响因子复杂、样本数量少、非线性较强等特点,采用支持向量回归机算法,并引入布谷鸟搜索算法对支持向量回归机的3个参数进行优化选取。仿真实验结果表明,改进支持向量回归机与传统支持向量回归机、BP神经网络相比,具有更高的准确度,可以有效地对天基信息系统进行效能评估。     

改进AHM-RS雷达装备保障性评估指标赋权方法

针对主观赋权法过于依赖主观经验,客观赋权法由于数据有限可能偏离实际情况的问题,为提高雷达装备保障性评估指标权重的科学性,针对现有属性层次模型(AHM)和粗糙集(RS)赋权法的不足,改进了AHM和RS赋权法,运用离差最大化思想将主客观两种赋权法进行组合处理,提出了改进的AHM-RS综合赋权法,通过实例验证了该方法的有效性和可行性。     

隐身条件下的双机协同电子战功率分配方法

研究了隐身条件下双机协同电子战功率分配模型。分析了隐身条件下双机协同电子战任务的基本需求;给出了空战中多点有源压制性干扰的基本模型;建立了双机协同电子战功率分配的多目标优化问题模型,将对威胁的干扰效果和机载电子战射频辐射被截获概率作为两个指标函数;给出了多目标优化问题的解法。进行了仿真分析,实验结果表明,提出的模型和方法可以较好地解决双机协同电子战功率分配问题,可以实现空战过程中对敌发现概率的压制,降低我方威胁,达到一定的隐身目的。     

火炮身管膛线磨损量光学检测方法

火炮身管膛线的技术状态直接关系到火炮的射击精度、射击安全和身管寿命。为了提高检测精度和检测效率,提出了一种基于结构光的火炮膛线磨损量检测方法。通过光学检测装置获取身管内膛结构光图像,利用结构光条的变形量计算膛线的实际高度,进而与膛线标准高度比较得到身管内膛径向实际磨损量。该检测方法实现了对身管膛线技术状态的非接触检测,自动化程度高,标定过程简单可靠。经实验验证,该方法能够实现现役各型火炮身管膛线亚像素级的高精度检测,检测误差小于0.01 mm,对于提高火炮制造验收精度和效率,准确预估火炮寿命具有重要的理论意义和实际应用价值。     

模糊综合评判在雷达接收机等级评定中的应用

为消除技术等级评定中主观因素的影响,将多级模糊综合评判的方法运用于接收机的技术等级评定中。对雷达接收机的技术性能指标进行了层次分类,采用了一种以测试数据为基础的针对每一个因素的单因素评判方法,并以某型雷达接收机为例,给出其技术等级模糊综合评判的详细求解过程。     

基于D-S证据理论的协作式频谱感知方法

频谱感知是认知无线电的关键技术,感知精度和速度直接影响到认知无线电网络的整体性能。由于单台感知的性能受环境影响严重,协作式频谱感知被广泛使用。为提高协作式频谱感知性能,采用可变策略的Dempster-Shafer证据理论对两种感知方法产生的信息进行融合:一种是能量检测法,该方法速度快但准确度不高;另一种是周期平稳信号检测法,准确度高但周期长。通过融合实验结果表明,同单独一种检测方法相比,基于Dempster-Shafer证据理论的认知网络,其感知能力明显提高,系统的容错性和敏捷度也有增强。