电子系统设计技术及应用专题讲座(一) 第1讲 电子系统设计常用工具软件及应用

电子系统设计常用工具软件包括:Tina-Ti、Multisim、Filter Pro、Filter Solution、Switch Pro、Protel等。文章结合电子设计大赛中常用典型电路的仿真实例,着重介绍了Tina-Ti和FilterPro软件的使用方法、仿真过程、应用技巧及注意事项等。     

战场态势一致性技术专题讲座(二) 第4讲 武器协同数据链与单一综合空情图

文章给出了武器协同数据链的定义,概述了典型的武器协同数据链——协同作战能力的基本概念与发展应用情况。探讨了用以取代协同作战能力的单一综合空情图的概念起源、面临的挑战、评估指标体系、采用集成体系结构行为模型描述等系统工程实现手段,简述了当前的研发进展。     

基于组合赋权雷达图实现电网电能质量综合评估

将改进的组合赋权雷达图方法用于电网电能质量综合评估。对主观、客观赋权法组合,基于组合权重与原权重之间的偏差尽可能小的优化思想,求取雷达图中各项指标的组合权值。利用各指标对应的扇形区域的对角线作为指标轴绘制雷达图,不仅最大限度体现各指标的独立权重,也反映了各指标之间的相互影响。利用雷达图的面积和周长两个变量完成对电能质量的综合评估。最后通过应用实例,验证了论文方法的合理性和在电能质量综合评估中的有效性。     

基于EINSTein的自适应指挥控制作战效能分析

针对信息网络对自适应指挥控制的重要影响,通过EINSTein系统建立了基于一体化信息网络的自适应指挥控制模型;仿真演示了自适应作战的典型过程,获得了兵力毁伤仿真实验数据;通过运用兵力损失交换比理论,分析了自适应指挥控制的作战效益。计算结果表明:自适应指挥控制能在交战对手单方面强化自身内部组织时,增强自身的作战组织性,提高部队的整体作战能力,它是适应一体化联合作战的新型指挥控制方式,是一体化联合作战指挥的必然选择。     

基于语义的军事数据资源需求描述模型

将描述逻辑引入军事数据资源需求描述,提出了一种基于语义的需求描述模型,便于计算机理解和处理。介绍了该模型的内涵和总体框架,并以作战力量数据资源为例,阐述了作战力量数据资源概念术语集的构建、作战力量数据资源的表征和需求的形式化描述。依据数据需求,制定了相应推理规则,其可借助描述逻辑的可判定性实现军事数据资源需求的推理。     

尾流自导鱼雷攻击规避机动水面舰艇研究

研究了尾流自导鱼雷攻击水面舰艇的主要影响因素,分析了水面舰艇各种机动规避方式对尾流自导鱼雷弹道的影响,利用仿真分析方法确定了水面舰艇规避机动参数对尾流自导鱼雷跟踪过程的影响程度,分别确定了水面舰艇和尾流自导鱼雷对抗的有关原则,研究结果为尾流自导鱼雷作战使用和水面舰艇规避机动提供了依据。     

超高速碰撞形成一次碎片云特性

对超高速碰撞数值模拟方法进行了讨论.采用ANSYS/AUTODYN程序的SPH方法,对球形弹丸超高速撞击时弹丸的破碎、碎片云的形成及扩展过程进行数值模拟,其结果与实验结果进行比较,并验证了计算方法和模型参数的正确性.在此基础上采用数值模拟方法,对钨合金、轧制均质装甲及LY12铝三种材料的球形弹丸超高速撞击靶板之后形成的一次碎片云形貌及演化规律进行了研究,并基于量纲分析方法得出了碎片云特征参数(碎片云头部速度、径向最大膨胀速度及膨胀角)随初始撞击条件的变化规律。     

机动导弹系统研制中的生存能力论证建模

分析了机动导弹系统生存面临的生存威胁,对机动导弹系统生存能力的基本指标体系,进行了量化研究,结合某新型号机动导弹系统的研制设计方案,提出了基于相邻优属度熵权的模糊综合论证模型.该模型将指标的随机不确定性和模糊不确定性结合在一起,增强了论证结果的可信性.利用上述模型对机动导弹系统设计方案的生存能力进行了论证分析,并依据论证结果对设计方案进行修改,对修改后的方案进行了再次论证.     

抗毁网络多拓扑路由子层的免疫优化选择算法

针对现有多拓扑路由在多故障条件下无法有效进行故障恢复的现象,根据免疫理论中抗原与抗体相匹配的原理,提出一种多拓扑路由子层选择算法.该算法以最大限度保护通信业务为目标,将多故障情形与子层相匹配的过程看作抗体与抗原相结合的过程,使子层与故障在一定范围内最大程度地相似,并利用人工免疫算法进行寻优,提高了网络抗毁性.实验结果表明,该算法可使网络在多故障条件下的恢复能力得到提高.     

节点实时性能自适应的集群资源分配算法

由于配置和所运行作业的不同,集群各节点的实时性能差异较大。为提高集群性能,提出节点实时性能自适应的集群资源分配算法 (node real-time performance adaptive cluster resource scheduling algorithm,NPARSA)。节点实时性能用其配置(CPU核数及速度、内存容量、磁盘容量)和实时状态参数(CPU、内存和磁盘的剩余数量及磁盘读写速度)表示。NPARSA根据作业类型自主选择节点性能评价指标的权值,实现节点实时性能对于作业类型的自适应。实时性能最优的节点分配给作业。虚拟机实验和物理集群实验表明,与Spark默认资源分配算法、没有考虑作业类型与节点匹配的算法、使用作业和节点匹配差异程度作为资源分配依据的算法相比,NPARSA能更有效地缩短作业执行时间、提高集群性能。