基于Dempster-Shafer证据理论的特征融合在军用电子设备模块化故障诊断过程中的应用

军用电子设备的维修是以更换电子集成模块为主,根据这一特点,通过分析处理电子设备的故障特征信息,把一种基于D-S证据理论的算法应用于故障特征信息的融合,从而实现故障电子模块的定位.结合实例,论证了这一方法在军用电子设备模块化故障诊断中的可行性.     

基于虚拟检测函数下的IMM-UKF机动目标跟踪

为了有效提高对机动目标的跟踪效果,将无迹卡尔曼滤波(UKF)引入到交互多模型(IMM)算法框架内,加强状态估计精度;引入强跟踪滤波器(STF)到UKF算法中,避免对强机动目标的过大时间延迟和跟踪性能差的缺点;提出虚拟检测函数法,在跟踪过程中自适应调整"当前"统计模型的机动参数,加大模型集与目标真实运动模式匹配概率。仿真结果验证了改进算法的有效性。     

ADAMS的全地形车载火箭炮行进间发射动力学研究

利用多体动力学软件ADAMS、有限元分析软件ABAQUS建立了全地形车载火箭炮系统发射与行驶一体化动力学模型,基于路面功率谱密度函数和谐波叠加法,创建了全地形车野外行驶的三维随机土石路况模型,对战车行进间发射进行了动力学仿真。分析该型号车载火箭炮行进间发射的动力学特性,得到了战车及发射装置的动态响应情况及运动特性和车速对发射的影响规律。仿真结果表明,全地形车可以在土石路况低速行驶完成行进间发射任务。     

基于联合时频滤波的多目标回波信号分离算法

针对弹道中段多目标回波信号分离的问题,提出了基于联合时频滤波的多目标信号分离算法。该算法先对多目标回波信号进行自相关处理和峰值提取,得到目标信号的周期,接着用该周期对回波信号的Gabor变换和PWVD变换结果进行分段,然后将各段时频图相乘,获得新的时频支撑域,最后用新的时频支撑域对回波信号进行时频滤波,克服了交叉项的干扰和时频聚集性不高的缺点,分离出了不同周期的目标信号。仿真结果证明了该方法的有效性和先进性。     

一种小样本数脉冲信号的样本子图分选算法

针对交错的雷达脉冲信号中,辐射源脉冲样本数较少而无法统计脉间参数规律实现脉冲提取的问题,提出了一种基于自提取样本子图的全脉冲匹配分选算法。该算法利用全脉冲移位匹配搜索自相关函数极大峰值,序贯提取辐射源时间维样本子图,同时筛选出匹配脉冲,无需对脉冲特征参数做统计分析,因此,可实现小样本数雷达信号的脉冲提取。仿真实验表明在有脉冲漏失的信号环境中,算法处理样本数充足情况下的脉冲信号与传统多参数统计方法性能相当,而且能提取出小样本数的脉冲信号。     

双机编队超视距攻击协同优势评估

针对双机协同超视距攻击中的态势评估和协同优势评估,提出了基于编队状态的协同优势评估方法。首先分析并将编队完成超视距攻击的过程划分为4个状态阶段;其次建立了基本的超视距攻击态势评估模型;最后讨论了编队不同状态下的协同优势评估方法并建立了模型。仿真结果表明,该算法模型能够较为准确地评估双机编队在超视距攻击中的协同优势。     

基于网络的模拟训练系统建设研究

充分发挥计算机通信网络和三维模拟技术在模拟训练中的优势,在节约训练成本的同时保障训练质量,已经成为军队、教育、消防以及社会服务等行业提升综合训练和管理水平的重要手段。在系统介绍模拟训练系统的基础上,基于水罐消防车仿真训练系统的建设经验,探讨了网络环境下模拟训练系统建设思路。     

非对称Colonel Blotto博弈模型下的多信道功率分配抗干扰

针对智能干扰条件下传输速率固定的通信系统多信道功率分配问题,建立了非对称Colonel Blotto博弈模型。在完全信息条件下,推导出了各种功率预算约束下通信方和干扰方的等效单信道最优功率分配策略,进而证明了通信方和干扰方存在唯一混合纳什均衡策略,并求得了纳什均衡收益。基于等效单信道最优功率分布,提出了一种多重扫描直接列元素交换算法,可以快速构建多信道混合功率分配矩阵,且相比于线性规划方法,可适应更多的信道数和更广的功率分布范围。通过数值仿真,验证了所提多信道混合功率分配矩阵构造算法的有效性及多信道功率分配策略的最优性。     

合成双射流冲击平板流场结构与模态分解分析

为揭示合成双射流冲击平板流场结构特征,通过大涡模拟方法对合成双射流冲击平板流动进行了仿真,采用有限时间Lyapunov指数方法对流场的拉格朗日涡结构进行了识别,并与欧拉框架下的速度矢量和涡量结果进行了对比分析。结果表明,在合成双射流两股射流交替作用下,射流核心区涡系结构较为复杂且涡量丰富,远离核心区存在一对稳定的涡结构,且拉格朗日涡结构与涡量对应较好,为合成双射流冲击冷却的布局设计提供了指导。另外,流场本征正交分解表明,第一阶模态关于激励器出口中心轴线大致对称,其能量占总体能量的35%,前6阶模态的能量占80%;根据前6阶模态所反映的流场特性,合成双射流冲击平板流场具有高度的对称性。     

基于CNN的三相逆变器开路故障诊断及其样本条件分析

为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。