动态网络中的最短路径改进算法

本文在对动态网络进行理论分析的基础上,指出动态网络中可能出现的非FIFO弧是传统最短路径算法无法求得最优解的原因;通过对非FIFO弧进行理论分析,提出了等待时域和最佳出发时间理论,并将非FIFO弧变换成FIFO弧,给出了改进的Dijkstra算法。对比实验结果证明,该算法可以有效求得动态网络最短路径问题的最优解。     

一种WindML双屏显示驱动程序设计方法

针对电子装备软硬件平台对双屏显示输出的基本要求,探索了在VxWorks系统下开发WindML双屏显示驱动程序的方法。分析了WindML图形系统驱动程序体系结构,通过在图形驱动和WindML图形接口之间增加一个双屏显示控制层的方法,由双屏显示控制层接收WindML图形接口指令,再传给图形显示驱动程序,实现双屏显示输出。该方法设计的双屏显示驱动,能够使两个分开的屏幕逻辑上合为一个大的屏幕,很好的解决了WindML双屏显示输出的问题。     

利用火箭深弹系统拦截鱼雷的技术改进方法探析

多功能、多用途是火箭深弹系统的主要发展方向之一。根据水面舰艇武器装备的实际,仅从拦截潜艇发射的鱼雷角度出发,对舰载火箭深弹系统拦截来袭鱼雷的可行性进行了分析。在此基础上,探讨了利用火箭深弹系统拦截鱼雷的系统选择、深弹战斗部的开发、引信选型、发射管安装及配置、火控系统的改进等关键问题,并提出了一些具体的改进方法。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

扇形搜索下反舰导弹末制导雷达检测性能分析*

反舰导弹末制导雷达在进行自动跟踪前,首先要在方位向和距离向上对目标搜索并进行检测。末制导雷达的检测性能与脉冲积累数目、信杂比和搜索方式密切相关。针对反舰导弹末制导雷达常用的扇形搜索方式,提出一种二项式积累OS-CFAR检测算法。该方法在一个方位搜索周期内对距离向回波进行非相参积累。仿真分析表明,与常规OS-CFAR算法相比,该检测算法提高了末制导雷达的检测性能。     

多分辨率建模在联合作战仿真中的应用研究

针对目前联合作战建模与仿真中存在的困难和问题,运用多分辨率建模(MRM)方法对其进行了探索研究。对联合作战的作战要素、仿真映射结构进行了分析,探讨了多分辨率建模的主要方法,提出了联合作战仿真的体系结构,并设计了基于多分辨率建模的联合作战仿真模型框架。     

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

高超声速飞行器组合导航体系效能评估

集合当今世界高精尖端技术的高超声速飞行器,单一或简单的组合导航方式已经无法保障其高超声速全球到达的飞行任务。研究了一种INS\GNSS\CNS组合导航体系方案,与典型的INS\GNSS组合导航系统方案相比较,并采用改进的贝叶斯法融合算法对这两种导航方案进行综合效能评估。结果证明,该评估方法切实可行,便于计算应用,证实了INS\GNSS\CNS组合导航体系保障高超声速飞行器作战能力更强。     

一种新型军用电源智能充电机控制算法

军用电源充电机是一个多参数、时变的非线性系统,传统的PID控制算法难以在线调节达到优化充电曲线的目的。针对该问题,提出了一种基于模糊和免疫机理的自适应PID控制算法。该算法通过模糊免疫反馈机理对PID控制的比例系数进行实时调整,采用模糊自适应控制器对PID控制的微分、积分时间常数进行在线整定。仿真结果表明,该算法具有响应时间短、超调量小,鲁棒性强等特点,极大地改善了系统的适应能力,达到了优化充电曲线的目的。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。