舰载防空武器系统协同使用的电磁兼容性分析

为提高舰艇防空反导能力,针对舰栽防空武器系统协同反导的作战特点,分别从空域、时域和频域3方面对其电磁兼容性进行了深入研究,并在考虑火力和电磁兼容的基础上提出了舰载防空武器系统协同使用的流程图,对舰载防空武器系统反导作战使用具有重要的指导意义.     

油料消耗神经网络组合预测模型

油料消耗单一预测模型精度不高,难以适应信息化条件下精确保障需要。以单一的神经网络预测模型、时间序列预测模型和灰色预测模型为组合预测的基础,利用神经网络求取3种预测模型的组合预测权重系数,将这3种单一预测模型的预测结果作为神经网络组合预测模型的输入,求得一个新的预测结果。平均相对误差和均方差比表明,神经网络组合预测模型比单一预测模型更为优越。     

作战仿真实验数据关联规则挖掘研究

作战筹划人员可以利用作战仿真系统进行大量可重复的仿真实验,并积累大量实验数据.本文运用关联规则数据挖掘方法对作战仿真实验数据进行分析,"提炼"出作战中各种事件与作战效果之间的联系,以辅助作战筹划人员获取对作战行动的新认识,把握作战行动的关键环节,为作战筹划提供决策信息.     

充气式返回舱化学非平衡仿真分析

采用空气五组分模型对充气式返回舱的气动特性进行了化学非平衡数值模拟研究,考察了返回舱外形变化对流场温度和压力的分布以及壁面热流密度和压强的影响,分析了流场中组分分布情况。研究结果表明,外形变化在总体上对返回舱流场特性影响较小,会使舱体壁面处的热流密度有所增加;对流场组分分布的研究发现,由于N₂比O₂更难解离,在整个流场中N的摩尔分数远低于O的摩尔分数;在目前的计算条件下,沿轴线和壁面的氮氧比与来流基本保持一致。仿真结果在总体上与实验结果符合较好,验证了仿真模型的可靠性。     

虚拟样机在装备性能仿真和评估中的应用

说明了机械系统动力学研究的必要性 ,阐述了虚拟样机的特点。在分析火炮后坐部分的主要受力的基础上 ,首次将 ADAMS应用到武器装备研究领域 ,结合 Fortran语言编程 ,在 ADAMS平台上建立了火炮虚拟样机。在此基础上 ,将虚拟样机仿真方法和传统建模方法进行了对比 ,克服了火炮传统建模方法中“对称、平面、静平衡”假设的缺陷 ,进一步证明了将ADAMS引入武器装备领域仿真研究的可行性。最后 ,提出了火炮动态性能分级评估方案 ,定义了故障评判函数的概念 ,并对虚拟样机的应用前景进行了展望。     

新的空间物点定位解算方法

目前近景摄影测量学空间物点定位主要应用的是空间点线线交会原理,其数学基本形式有两种:共线方程交会法和投影矩阵交会法.针对近景摄影测量学空间物点定位原理,在共线方程交会法的基础上,提出了一种新的空间物点定位解算方法.该方法应用多元函数极值定理和克莱姆法则对空间线线交会问题进行求解,给出了详细的运算过程.实验证明了该算法的准确性.     

多通道图注意力解耦社交推荐方法

提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。     

武器系统MTBF的Bayes评估方法

针对武器系统试验常常具有小子样的特点,分析推导了MTBF检验的Bayes方法,论述了MTBF的Bayes估计方法,并举例进行了计算分析。     

美军无人机集群项目发展

近几年来,无人机集群技术在美军多个方面的推动下,引起了全世界的热切关注。文章简要总结了美军无人机集群发展现状,梳理了美军开展无人机集群技术的初衷,并分析认为美军数量型无人机集群发展战略不完全适用于现阶段我军军情。文中给出了我国现阶段发展无人机集群的思路,这对全面认识无人机集群的优势、明晰我军无人机集群技术发展方向具有一定的参考价值。     

显示界面复杂目标辨认研究

为了使作战人员更快速地辨认武器系统显示界面目标,研究人对不同复杂程度及大小的目标符号辨认情况,为武器系统显示界面的目标编码设计提供依据。提出目标符号复杂度的定义,建立复杂度计算公式,对符号的复杂程度进行量化。通过测定被试完成搜寻特定目标的时间,建立反应时间和符号复杂度与大小、高复杂度目标数量与大小的线性回归模型。提取被试辨认不同复杂度目标的脑电信号,分析脑负荷。结果表明符号复杂度越低或尺寸越大,目标越容易辨认;当大小一定时,人对复杂度3以下的目标辨认情况较好,对复杂度3以上的目标辨认绩效明显下降;脑负荷随着目标复杂度的增大而增大。结论为武器系统显示界面的符号复杂度应设计在3以下,高复杂度目标符号使用时应合理调整其大小。