基于声纳浮标的反潜直升机应召搜潜仿真研究

反潜直升机使用声纳浮标应召搜潜是其搜潜的主要方式之一.在分析声纳浮标应召搜潜特点的基础上,对仿真环境进行假设,并建立声纳浮标应召搜潜蒙特卡洛法模型,通过仿真试验对反潜直升机在一定条件下使用声纳浮标应召搜潜时声纳浮标间隔系数、螺旋系数、浮标数目和搜索阵型进行研究.得出的结论对于制定反潜作战方案具有一定的参考价值.     

标签集中式发布订阅机制性能分析

针对目前现有的发布订阅规范(DDS)主要描述终端节点信息处理行为的实际,提出使用标签集中式机制完成发布订阅信息网络交互工作。理论分析了标签集中式发布订阅机制的数学模型,对往返时延等参数进行了理论计算。并仿真此机制下无线窄带网络中发布订阅信息交互机制对网络性能及参与者数量对发布订阅系统性能的影响。通过理论计算和仿真分析证明此机制在较小规模网络中有良好的性能。     

军事概念模型知识获取过程方法和工具

军事概念模型是独立于实现的真实世界的实体、任务等作战要素的表示.军事概念模型是军事建模仿真系统开发中非常重要的一步,对于仿真的可信度具有重要的影响.从知识系统开发的观点将军事概念模型开发分成知识获取和知识工程两个阶段.探讨了军事知识获取的过程,知识结构化描述的表示方法、语言和描述过程,在此基础上开发了支持军事概念模型知识获取的工具"兵书一号",并得到了广泛的推广和应用.     

SEA方法计算模型在C4ISR系统效能分析中的应用

SEA方法是一种系统效能评估方法,具有适用性广泛、有效性强等优点,但其可操作性不强并且细节表现能力差.针对SEA方法的不足,在分析SEA方法系统属性空间和使命属性空间关系的基础上,提出了一种基于SEA方法的计算模型,为SEA方法的实际应用提供了一条途径.     

CPN在导航装备维修保障效能中的应用

有色Petri网(CPN)作为目前离散动态系统建模中最活跃的建模工具之一,不仅有充分的模拟能力和丰富的分析方法,还便于使用和理解.首先介绍了有色Petri网的一些基本知识,然后运用有色Petri网的建模理论对导航装备维修保障系统进行了描述和建模,并运用Design/CPN对具体实例进行了仿真实现,其维修保障效能结论证明了建模思想的可行性.     

石英角速率传感器数字相关检测技术研究

为提高石英角速率传感器(QRS)的测量性能,提出了基于数字相关检测技术的QRS信号解调方案。该方案需将一组互相正交的参考信号作为两个相关器的输入,能够同时分离出QRS敏感信号相对于参考信号的同相分量和正交分量。通过角速度提取算法可由以上分量进一步得到输入角速度。分析了实现参考通道功能的两种方法:锁相环(PLL)和Hilbert变换,通过对这两种方法的对比得知,PLL更适合作为QRS相关检测的参考通道。     

机抖激光陀螺捷联系统姿态算法优化设计

机械抖动激光陀螺捷联惯性导航系统中通常要对陀螺信号进行预滤波处理以消除抖动偏频,数据滤波后其幅值和相位的变化引入了附加的姿态算法误差.为了减小此误差,研究了抖动解调滤波器的特性以及数据滤波对系统姿态算法精度的影响,推导了与滤波器匹配的姿态算法优化公式.优化算法仅修正了传统算法系数,不增加算法实现难度.仿真和实验表明,优化算法能有效减小滤波器引入的附加姿态算法误差,明显改善算法精度,有很高的工程实用价值.     

一种支持向量机增量学习淘汰算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。增量学习是解决这一难题的思路之一。分析了新增样本加入训练集后支持向量集的变化情况,提出了一种基于密度法的支持向量机增量学习淘汰算法,淘汰了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。实验仿真证明这种算法是有效的。     

高功率UWB天线阵及其在外场探测中的应用

运用切割式巴仑实现高功率超宽带天线的平衡馈电,并用FDTD进行仿真分析。研制出2×4元高功率天线阵,测量结果显示该天线阵能耐250kV以上高压,工作带宽达6个倍频(200～12 000MHz),具有较好的脉冲波形保真性。利用所研制的天线阵列建立外场探测实验系统,在外场进行目标探测试验。结果表明该天线阵可以用于实际的超宽带雷达发射天线阵,为高功率源在雷达探测中的应用作出了初步探索。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。