无源激光敌我识别系统作用距离

分析了无源激光敌我识别系统组成和工作原理;对系统的光束传输过程进行等效,利用激光波长、束散角、峰值功率等激光参数,推导出了基于高斯光束理论的光束传输模型;采取高斯光束衍生的方法,解决高斯光束通过硬边光阑的传输问题;在考虑大气衰减的基础上,仿真计算了激光敌我识别系统工作中回波信号能量密度与系统作用距离的关系,分析了提高系统作用距离的途径.研究结果一方面对于无源激光敌我识别设备的研制具有借鉴意义,另一方面可以为评估无源激光敌我识别设备作用距离提供支持.     

综合体制设计--地空导弹武器系统设计新途径

采用相对体制雷达测量系的地空导弹武器系统的引导精度,已经过多年研究和努力,它是起伏误差和动态误差的综合产物.采用目标信号分离与滤波可进一步提高制导精度.首先可大大减小目标的起伏误差(约减小1/2).在大大减小目标起伏误差的新条件下,重新综合起伏误差和动态误差,可大大提高引导精度.     

网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

具有时滞和基于比率的捕食系统的稳定性

研究一类具有时滞和基于比率的两种群捕食者-食饵扩散系统,证明了系统在一定条件下是持续生存的,并通过构造适当的Lyapunov泛涵,给出了系统局部渐近稳定的充分条件。     

部队基层开展心理教育疏导工作的思考

要扎实有效地开展部队基层心理教育疏导工作,必须建立健全体系和制度,加强人才队伍建设,丰富方式方法,营造良好的内外环境。     

基于粒子滤波的无人机协同跟踪算法

针对无人机群协同跟踪移动目标问题展开研究。由于传感器测量精度的有限性,采用多架无人机合作来获得多个测量值,再根据数据融合的方法获得较精确的测量值;建立了移动目标的模型,结合测量值应用粒子滤波算法来预测目标的状态。仿真结果表明了该算法能使无人机获得较好的跟踪效果。     

Agent目标判别的神经网络-证据理论法

重点研究了目标识别领域中证据理论与模糊神经网络相结合的多Agent数据融合方法.作为传统Bayes理论的推广,证据理论由于满足更弱的信息来源条件,尤其是在区分不确定与未知方面显示了很大的灵活性,因此备受关注.然而,基本可信度的分配是一个与实际应用密切相关的问题,也是较难操作的一步.本文通过对模糊神经网络的训练来处理证据理论的基本可信度分配问题,经计算机仿真表明这是一种行之有效的方法.     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。     

基于算子空间的公式发现算法研究

在FDD提出的人工智能技术与曲线拟合技术结合的公式发现系统的基础上 ,提出了新的基于算子空间的公式发现算法 ,并在算法研究的基础上设计实现基于算子空间的可视化公式发现系统 ,该系统通过算子空间概念的引入 ,简化了算子空间的规则 ,同时引入导数规则、误差规则以及终止规则 ,丰富了知识库内容。通过以上改进 ,和BACON和FDD相比 ,公式发现的形式更广 ,复杂度更高。文章最后给出了应用实例以及公式发现的结果。     

固定翼无人机曲线路径跟踪的积分向量场方法

常规的向量场方法在处理无人机曲线路径跟踪问题时很容易受非定常风扰的影响而使得跟踪误差增加,因此很多方法采用用无人机的惯性坐标系(地速和方位角)替代机体坐标系(空速和偏航角)的方式来提高抗风性能。但是,这种方式只能处理大小和方向均恒定的风扰,这在实际飞行中是过于理想的假设。为了克服这些不足,提出了一种采用侧偏距的积分来主动抵消非定常风扰的积分向量场方法用于固定翼无人机曲线路径跟踪控制。根据期望路径的曲率及路径角,结合无人机自身的状态信息设计了曲线路径跟踪策略,并且使用李雅普诺夫理论证明了提出的方法能够确保闭环系统的全局渐进稳定。最后,使用高性能半实物仿真系统验证了提出方法的抗风跟踪性能。