基于二元模糊比较法的单步空战机动决策研究

空战机动决策过程中,往往需要根据敌我态势,给定多个任务指标,最终得出多指标条件下我方机动的最优控制解。通过对双机空战态势的研究,建立机动模型。在给定敌方运动轨迹的情况下,设定机动评价指标。运用二元模糊比较法融合空战态势的各种输入信息,通过不同指标下的机动模糊比较矩阵,对我机单步机动决策进行研究,最终得出我机机动轨迹。仿真结果表明,算法符合实际,并且具有较好的稳定性。     

基于点模式匹配的雷达航迹与航行计划匹配算法

在雷达航迹与航行计划匹配时,针对传统算法对单点信息依赖程度较高,在信息缺失、目标机动等情况下匹配效果差的问题,提出了一种基于滑窗的改进点模式匹配算法。首先,提取了雷达航迹多特征点,利用特征点集弥补单点信息的不足,通过简化匹配分数的计算,降低了点模式匹配复杂度。仿真实验结果表明,改进的点模式匹配算法显著提高了信息缺失、目标机动等情况下的匹配正确率。     

基于门限偶极子模型的四轮车变速度轨迹跟踪控制

针对利用李亚普诺夫函数控制律设计的轨迹跟踪控制器在跟踪初始误差较大和离散轨迹时,存在速度跳变问题和拐点处误差偏大的问题,设计了一种基于门限偶极子模型和趋向模型的变速度轨迹跟踪控制器。以四轮车的运动学模型为研究对象,在李亚普诺夫函数控制律的基础上,引入门限偶极子模型解决了初始误差较大速度跳变问题,同时引入纵向控制中的趋向模型,解决了不连续轨迹拐点处误差偏大的问题,使得跟踪轨迹更为光滑,进一步提高了跟踪精度。通过仿真结果对比分析,验证了改进控制器的有效性。     

DoDAF视图下的反导作战军事概念建模与仿真系统设计

反导作战概念模型是保证不同地空导弹武器系统之间指控系统可集成、可互操作性、高效一体化的关键。首先,针对传统建模语言在模型可执行验证方面的不足,在DoDAF视图框架下,提出一种基于统一建模语言（UML）的反导作战军事概念建模方法;其次,结合军事概念模型给出反导作战仿真系统设计的方法。规范建模框架并选择可执行性强的UML语言建立军事概念模型,对反导作战研究及指控系统开发具有一定参考价值。     

粒子滤波的序列图像运动目标跟踪(英文)

序列图像的运动目标识别与跟踪是计算机视觉主要研究方向之一。研究的重点是要建立一个准确可靠的跟踪系统。针对此问题,传统的帧间差分法进行了改进,并研究了粒子滤波算法。在改进的帧间差分法和粒子滤波的基础上,提出了序列图像运动目标跟踪方法。实验实验表明,这种方法能够在目标被背景云彩遮挡的情况下,实现目标的可靠跟踪。     

马氏链的战术导弹发射能力评估模型

采用马氏链状态转移的方法,对战术导弹发射单元与发射阵地在作战过程中的状态变化进行了研究。在此基础上,对战术导弹在战争条件下的发射能力进行研究,建立评估战术导弹发射能力的动态模型。通过仿真试验,验证了模型的可靠性和有效性。     

UKF算法的来袭导弹弹道预测

从来袭导弹机动模型的选取出发,结合UKF算法的推算,建立了来袭导弹弹道预测的仿真模型。同时结合实例对来袭导弹弹道预测的卡尔曼滤波算法和UKF算法的进行仿真。仿真结果表明UKF算法计算量适中、计算结果精确,非常适合用于非线性模型的预测。     

复杂系统多属性决策方法

多属性决策已成为复杂系统评定的重要手段。属性标准化是多属性综合决策中的一项重要内容,标准化方法应严格遵循属性的物理意义和对决策目标的影响,要求标准化前后属性值比较的物理意义一致或接近。首先在分析现有标准化方法不足的基础上,提出了效益型、成本型和固定型属性标准化新方法,经过该方法得到的标准化结果,满足了标准化前后的可比性和线性化。其次,综合分析了加权和和加权积决策模型应用范围,得出加权积模型更适用于复杂系统的多属性综合决策问题研究。最后,将标准化方法和加权积决策模型应用于算例分析,分析结果验证了提出方法的有效性和一致性。     

小波神经网络UCAV飞行控制系统

针对采用H∞控制设计方法需求解难度很大的偏微分方程,而导致工程实现难度大的问题,提出了采用小波神经网络进行无人攻击机(UCAV)飞行控制系统设计的方法,该方法集小波变换和神经网络的优点于一身,简化了网络训练,避免了系统达到局部最优解,使得系统具有更好的逼近精度。通过仿真实验表明,利用小波神经网络进行UCAV控制律设计,使系统具有较好的跟踪性和鲁棒性,避免了精确模型的建立,便于分析系统的稳定性。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。