基于本体的CADM建模方法研究

体系结构核心数据模型(CADM)作为体系结构建设的通用参考资源之一,对C4ISR系统的顶层设计具有重要意义.通过深入分析CADM的开发要求及其特性,提出了一种基于本体的建模方法.该方法的主要特点是:通过在领域原始信息与最终实体联系模型之间建立本体模型,作为自然语言描述信息与逻辑数据模型之间的过渡,实现前者到后者的合理转换.该方法在逻辑数据模型设计及C4ISR系统数据工程两方面均有所突破.     

基于JMASE的自行高炮武器系统训练仿真

通过模拟器进行仿真训练是今后部队训练的必然趋势和要求.基于联合建模与仿真环境--JMASE,依据JMASE体系结构特点,运用JMASE开发工具和服务,对一般自行高炮武器系统进行研究,建立了自行高炮武器系统训练仿真模型,给出了武器系统训练仿真流程,实现了自行高炮武器系统仿真训练的基本功能.可用于有关军事人员的技能性训练和系统之间的协同训练仿真.     

舰艇编队作战指挥系统构想

未来海战模式由"平台中心战"转向"网络中心战"这一变化必然对海军舰艇编队作战指挥提出新要求.探讨了在信息战条件下,以网络化的编队通信网为基础,以区域无缝的探测网络为耳目,以编队火力和综合电子对抗技术为主要打击手段,以网络化指挥控制为核心的海军舰艇编队作战指挥系统的体系构成,并描述了其组成结构和主要功能.该构想的实现可极大提高舰艇编队在现代海战中的作战能力.     

ARM系统中对CAN控制扩展的实现方法

基于ARM技术的处理器已经普遍应用于工业控制、汽车电子等各个领域.CAN总线也已广泛应用于这些领域,但大多数常用的ARM9系列芯片还没有在片内集成CAN总线的控制器,使得不得不在板级进行扩展.选用飞利浦的SJA1000器件作为CAN总线控制器在ARM系统中进行扩展,给出了两种通过总线扩展的实现方法,即通过CPLD转换时序的方法和双周期读写模拟方法,并对后者的实现方法做了详细论述.最后对CAN总线Linux下的驱动移植做了简要介绍.     

面向Agent的巡航导弹武器控制系统体系结构设计

面向Agent方法适用于巡航导弹武器控制系统(CMWCS)的体系结构设计.根据CMWCS的概念和递阶智能控制思想,建立了CMWCS的多Agent系统框架,明确了其职责分配、组织结构、通信和协作机制;采用"以人为中心的人机一体化"方法,设计了飞行监控Agent的结构,基于混合式Agent的构造方法设计了航迹编排Agent的结构,并给出了二者的模型描述.     

船舶航向非线性系统离散变结构控制

基于非线性模型研究船舶航向自动舵的离散变结构控制设计问题。通过状态反馈精确线性化方法设计了二次型最优滑模面,采用离散趋近律方法求得变结构控制律。研究结果表明,所设计的离散变结构控制器能够快速准确地跟踪设定航向,并对参数摄动和外界风浪干扰具有很强的鲁棒性。     

回转体表面条纹沟槽降噪水洞试验

在深入探讨条纹沟槽表面减噪机理的基础上,对条纹沟槽表面回转体开展了水洞噪声测试实验研究.实验模型表面条纹沟槽采用了直接加工的实现技术,模型头部为半球形圆头,尾部线型采用双参数尖尾曲线.一系列实验结果表明,条纹沟槽表面回转体与相同形状尺寸的光滑表面回转体相比,具有较明显的降噪效果,最大降噪量超过4dB,降噪量与条纹沟槽的尺寸、水流速度有关.可见,条纹沟槽是一种降噪效果明显、应用价值高的降噪新方法.     

改进的SAR图像车辆目标姿态角估计方法

合成孔径雷达(SAR)对车辆目标的识别效果与目标的姿态角密切相关.如果确定了目标的姿态角,就可以大大降低识别系统的运算量,提高识别效率.Radon变换是一种检测目标姿态角的有效方法,但是Radon变换在实际应用中有一定的局限性.通过利用二维连续小波变换引入角能量密度函数的概念,提出了一种Radon变换和角能量密度相结合的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证该种方法能够准确的估计目标的姿态角.     

简化的UKF方法在多普勒雷达对目标跟踪中的应用

多普勒雷达对目标的观测数据是由距离、方位角、俯仰角和径向速度组成,而大多数雷达的观测数据仅由前三者组成.基于利用径向速度的扩展卡尔曼滤波方法,提出利用径向速度的一种简化的UKF方法对目标进行跟踪.此非线性方法对目标的跟踪有两大改进:①引入径向速度观测值时可以大大提高跟踪性能;②UKF方法比传统的EKF算法有更高的估计精度.     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.