基于灰色聚类和模糊综合评判的装备——装备群健康状态评估

针对目前装备健康状态评估存在的问题,建立了一个基于灰色聚类和模糊综合评判的“装备-装备群”两级评估模型。该模型利用灰色聚类法来评估单个装备的健康状态,将得到的单个装备健康状态的聚类系数向量作为模糊综合评判的隶属度向量,利用模糊综合评判技术来评估装备群的整体健康状态。详细论述了评估模型建立的关键问题：健康状态的分级、评估指标、白化权函数以及权重的确定。最后通过实例分析表明,该模型评估结果合理,可操作性强。     

基于支持向量分类的装备完好性预测模型

对抗的战场环境和任务的变化,越来越需要装备战备完好性来保障作战行动。保持或提高装备战备完好性是装备保障的核心和中心工作。利用基于结构风险最小化的支持向量分类（Support Vector Classification,SVC）方法对装备的战备完好性进行了预测,提高了机器学习方法的预测能力。并以车辆装备发动机的技术状况数据为实例,建立了预测模型,通过参数选择,提高了模型预测的正确率、命中率等指标。结论表明：支持向量分类方法是预测装备战备完好性的有效方法。     

一种北斗／CDMA导航系统数据融合的联邦卡尔曼滤波算法

北斗卫星与CDMA无线网络定位相结合的组合导航系统可以广泛应用于军事和民用领域,而有效进行数据融合是提高北斗/CDMA组合导航系统定位精度的关键.针对北斗/CDMA组合导航系统的特点,提出了一种基于联邦卡尔曼滤波的北斗/CDMA导航数据融合算法.算法采用机动目标的"当前"统计模型,分别建立了北斗定位系统和CDMA定位系统的状态方程,通过对相应定位参数进行滤波处理,提高了北斗/CDMA导航系统的定位精度.     

基于快速方向重叠变换的图像压缩

传统二维DCT无法稀疏表示除水平或垂直方向外的边缘,而具有强方向表示能力的方向预测离散余弦变换(DPDCT)计算复杂度过高.针对这些问题,快速方向重叠变换(FDLT)沿给定的方向模式进行变换,避免了DPDCT中的插值运算,并进一步集中分散在变换块间的能量,可以快速、稀疏地表示图像中各向异性边缘信息.此外,FDLT通过设计块边界提升,保证了算法完全重构.实验表明,FDLT计算复杂度不超过DCT的2倍.采用同样的编码方法,基于FDLT的压缩图像与基于DCT的压缩图像相比,峰值信噪比可提高0.5dB以上,而且图像边缘细节更加清晰、完整.     

基于多模射击的火力控制理论研究

为提高高炮武器系统拦截空中高度机动目标的能力,提出了多模射击的思想.多模射击是指火控系统根据战场态势,实时可靠地估计出目标在射弹飞行时间内若干个可能的机动形式预测结果.并据此控制高炮群同时向若干个可能的目标未来点进行射击.建立了多模射击毁歼概率计算公式.通过与传统的单模射击体制进行效能对比分析验证了多模射击体制的有效性.最后对基于多模射击的火力控制若干关键技术作了简要分析.     

基于分布式网络结构的无人机地面控制站设计

针对现有集中式体系结构地面控制站存在可靠性低,功能单一等问题,利用计算机网络技术灵活的网络拓扑结构、并发性、资源共享和功能易于扩展的特性,提出了以冗余双星型网拓扑结构为体系结构的地面控制站设计思路,给出了系统组成方案以及软件设计方法,飞行试验表明系统具有双冗余、高可靠性、功能扩展性强等特点.     

基于决策满意度的装备备件配置仿真优化方法

作为装备维修保障体系的重要组成部分,备件的合理配置是装备保障的核心,直接影响装备的使用可用度.而如何在保证装备的使用可用度情况下使备件的保障费用尽可能地减少,是决策者最关心的问题.提出一种基于决策满意度的装备备件配置仿真优化方法,通过蒙特卡罗仿真建立装备使用可用度模型,并在二级维修保障模型进行仿真的基础上,利用模糊多目标优化对备件的使用可用度和备件保障费用这两个指标进行综合评判,最后得到符合决策满意度的备件配置方案.     

基于一元线性回归分析的舵机故障诊断算法

针对舵机的卡死、松浮和输出偏差等故障采用基于模型的方法检测.故障诊断分两步进行,首先采用等价空间法来检测是否发生故障,在检测到故障的基础上引入一元线性回归分析对故障的性质和程度进行估计,并给出了根据舵机输入输出特性选取估计参数的方法.仿真结果表明,所采用故障诊断算法的实时性、准确性较好,具有一定的工程实用价值.     

某型飞机大气数据系统设计

大气数据系统是重要的机载电子设备,其性能、精度直接关系到飞机的飞行安全.在介绍某型号飞机大气数据系统的软硬件体系结构的基础上,从三个方面深入研究了提高大气数据系统精度的途径:大气数据计算模型;基于BP神经网络的压力测量温度误差补偿方法;一种计算型静压源误差补偿方法.其大气数据系统系统性能稳定,结构紧凑,速度快,精度高,软硬件升级简单.试验证明其大气数据系统能很好满足某型号飞机的使用要求.     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。