熵权TOPSIS法的地面防空兵混编集群战斗部署方案优选

地面防空兵混编集群战斗部署是其遂行防空作战任务的关键,在诸多部署方案中选取最优是一项重要而复杂的工作.通过计算熵权得到原始数据的权重,并与TOPSIS法相结合进行定量分析,降低决策的主观性,并使作战方案决策更科学合理,通过在方案评估中使用逼近理想解的排序方法得出优选结果,具有较高可信性.     

防空反导网络化作战发展研究

网络中心战是信息时代重要的作战形式,可将战场信息优势转化为决策优势,是信息技术在军事领域应用的必然选择,网络中心战在防空反导领域的应用也称为防空反导网络化作战.主要跟踪研究了国内外网络中心战的最新进展和发展趋势,分析了网络化作战的特点和关键技术,针对我国防空反导武器系统的现状,提出了防空反导网络化作战的发展建议.     

对高重频PD雷达的舍脉冲干扰

高重频PD雷达是为解决测速模糊而在机载雷达中广泛采用的一种PD雷达工作模式,从PD雷达的特性来讲,由于带宽比较窄使得噪声干扰能量利用效率不是很高。采用DRFM精确获取雷达信号实施干扰是当前干扰的发展方向,但是对占空比接近50%的高重频PD雷达,采用对低重频PD及中重频PD可行的距离拖引,速度拖引等一系列在雷达信号脉冲串间隔内产生复杂调制的干扰方法是不合适的。主要针对高重频PD雷达重频高、占空比大的特点,提出了一种舍脉冲干扰方法,对DRFM截获的雷达信号进行快速部分转发,间隔一定脉冲数舍弃一个脉冲,改变原雷达信号的脉冲重复周期,使得在频域上产生多个速度欺骗性干扰信号,并通过仿真验证了干扰的有效性。     

基于频域CFAR方法的PD雷达回波信号处理

为了提高PD雷达杂波环境下的目标检测性能,研究了机载PD雷达恒虚警检测问题。重点分析了频域均值恒虚警处理的基本原理与处理方法,采用不同方法对雷达面临的典型杂波分布信号模型进行了性能仿真分析。仿真结果表明,最大选择恒虚警处理方法能够达到预期效果。     

双基地雷达对隐身目标探测区域的计算

定量分析了隐身目标的双基地雷达散射截面积模型,结合双基地雷达的探测判决条件,运用空间区域划分的方法对隐身目标进行实时信息采集;建立了理想条件下双基地雷达平面上隐身目标的探测模型,计算并给出不同条件下双基地雷达探测范围与基线的仿真关系图;仿真分析的结果对优化双基地雷达的战术配置以及雷达组网应用具有一定的参考价值。     

箔条走廊与空空导弹协同作战的方法研究

为解决箔条走廊掩护攻击机突防与空空导弹协同作战时兼容性差的问题,提出了一种箔条走廊边缘对制导雷达信号的衰减模型.该模型从导弹、箔条走廊、目标和制导雷达之间的空间方位关系出发,通过分析箔条走廊对雷达波束的衰减,得出了载机的最佳空空导弹发射时间阈值.仿真结果表明,该模型的建立可以减少载机雷达的开机时间,同时避免箔条走廊对制导雷达的干扰,一定程度上满足了箔条走廊与空空导弹协同防空作战的兼容性要求,具有实用价值.     

柴油机排气集水箱降温特性及其影响因素

针对常规潜艇柴油机排气系统集水箱,分别建立了不同管束结构集水箱的数值模型,并得到了各自内部流场及温度场的分布;分析了细管长度、细管转折形式和布置形式对其冷却降温性能和阻力特性的影响。结果表明:内层管长L1大于外层管长L2的结构比等管长的结构排气阻力小,降温冷却效果更明显;细管末端的弯管与折管相比,排气阻力小,降温性能更优越。     

基于有限元法的脉冲负载下高弹联轴器轴向力计算方法

以应用于脉冲柴油机发电机组中的高弹联轴器为研究对象,利用CATIA建立高弹联轴器的三维模型导入到Hyper Mesh中进行有限元网格划分,再将其有限元模型导入ANSYS中进行仿真分析,模拟其橡胶块在脉冲负载作用下的动态性能,对高弹联轴器在柴油机输出扭矩和脉冲负载同时作用时产生的轴向力进行仿真计算。结果表明:高弹联轴器在该工况下产生的轴向力较大,并且橡胶块在受交变应力作用时产生多应力集中点。仿真结果与Rivlin经典理论计算结果有较好的一致性,可为消磁舰船动力装置、消磁电站发电机组等场合下的弹性联轴器的选型设计提供参考。     

逆边界无网格法声源识别的理论与实验

针对逆向求解声源识别中的声辐射传输建模问题,采用无网格法将Kirchhoff- Helmholtz边界积分方程离散为受边界条件约束的有限维线性方程组,通过分块矩阵法对该约束方程组进行求解,得到了离散后声辐射传输模型的数值表达式.在此基础上,进一步研究了逆向求解声源识别问题的基本原理及其不适定性.为克服其不适定性,采用Tikhonov正则化和L曲线正则化参数选取方法,从而确立了有效的逆向求解方法.此外,还进行了扬声器阵列声源识别实验,实验结果验证了逆边界无网格声源识别理论和方法的可行性及可靠性.     

基于PCA与FCM的入侵检测样本数据压缩方法

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊C-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊C-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测样本数据中的关键特征和关键样本。通过KDD CUP99数据集测试证明:数据双向压缩可减少入侵检测分类器的计算量,进而可提高其实时检测性能和检测推断的准确性。