数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

典型作战流程和分级环境下发射车生存能力改进ADC评估模型

为了综合评估发射车在作战中的生存能力,区分参数-性能-能力-效能四个层次建立武器装备评估空间,构建对象、内容和层次三个维度的评估框架,划分五类自然环境、三级威胁环境和三种作战状态,将外界环境引入评估过程,用被发现概率和损毁概率表征发射车隐蔽伪装能力和抗毁防护能力,建立发射车作战状态转移概率矩阵,提出典型作战流程和分级环境下的发射车生存能力改进可靠性、可信性、可用性综合评估模型。通过仿真分析,在不同环境和作战状态下各型发射车生存能力差异明显,模型能在性能空间、环境空间、作战流程空间多个维度动态评估发射车的生存能力,为发射车性能设计、战场运用     

基于Wigner分布的干扰项抑制及算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱(干扰项)问题.将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正,实现了对干扰项的有效抑制,获得了满意的信号时频谱.给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法.通过几个典型信号(多分量信号、调频信号等)对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性.     

某自行高炮虚拟训练系统设计及关键技术

结合自行式高炮装备的结构特点和训练需求,采用机理与外观相分离的设计思想,建立一种多节点、多任务的分布式仿真训练系统。以机理模型为设计核心,采用了客户/服务器模式的系统拓扑结构。介绍了复杂装备外观建模方法和交互技术以及基于MATLAB的机理模型构建和系统集成方法。     

基于压制武器系统的自组网实现方法

根据压制武器系统网络的特点和未来战争对武器系统的要求,将自组网引入到了压制武器系统网络,介绍了其实现方法。该方法结合通用的自组网协议提出了网络的设计方案,采用了跨层的方法,主要设计链路层、网络层和传输层,网络实现采用模块化的设计方式。本网络具有一定的自组织、自恢复能力,具有更高的可靠性、灵活性,在一定的距离范围内能够满足网络通信的基本要求。     

某型弹用管控高温通讯异常分析

某型弹用管控处理装置在环境应力筛选试验高温阶段出现通讯异常现象,对故障产生的原因进行了查找和分析,最终得出是由于器件选用时考虑不周导致信号在高温出现时序判读错误,由此及时解决了问题并从中获得宝贵经验和启示。     

野外复杂背景下轻武器射击目标的图像识别算法

针对野外复杂背景下轻武器射击目标图像的分析判别,首先采用一种彩色空间聚类分析和阈值分割相结合的混合算法,即基于S、I通道的目标图像两步分割算法,将目标区域从背景图像中分离出来.然后基于机器学习理论中的Boosting算法,利用区域的形状特征和纹理特征等组成一个强分类器,将目标区域从其他区域分离出来,同时判断出目标的类型.     

基于马氏距离的飞行缺失数据估计方法

针对基于欧式距离的最近邻居的缺失值估计算法的不足,提出了一种基于马氏距离的估计算法来估计飞行数据集中的缺失数据.该算法通过飞行数据之间的马氏距离来选择最近邻居数据,并将已得到的估计值应用到后续的估计过程中,然后采用信息熵来计算最近邻居的加权系数,得到缺失数据的估计值.仿真结果表明该算法优于基于欧式距离的最近邻居缺失值处理算法,是一种有效的飞行数据缺失值估计方法.     

基于RTX的实时测控系统软件设计

从无人机半物理仿真试验的整体结构出发,针对实时测控系统的需求,采用了一种较为新颖的Windows+RTX实时性方案,完成了无人机半物理仿真试验中实时测控系统的研制.既满足了试验的实时性要求,又具有很好的用户交互特性,对测控技术的发展及其在国防科技等相关领域中的应用均有重要的参考价值.     

军机航电系统实现两级维修的关键技术

简要叙述了航电系统的内涵、维修体制的工作流程及其从三级到两级的变化,着重探讨了航电系统实现两级维修的关键技术,主要包括系统和部件分级技术、智能BIT技术、FMEA技术、维修分析技术.随着航电技术的发展,模块化、综合化、标准化、智能BIT技术和ATE技术的进步,必将设计出满足两级维修体制的航电系统体系结构及其保障系统.