装备战场损伤的解析分析方法研究

为了提高装备战损模拟的效率,以蒙特卡洛方法为基础,构建了关于装备战损的解析模型。首先采用序贯法优化了仿真次数,以便以较少的仿真次数获得较高的仿真精度;分析了单因素对于装备损伤的影响,并建立了一元回归模型;采用正交试验分析了多因素之间的交互作用,并综合一元回归模型得出了装备战损的多元回归模型;最后结合弹着点分布模型与多元回归模型,建立了装备战损的解析模型,并通过实例验证了解析模型的正确性。     

几种UWB-SAR窄带干扰抑制方法的分析和比较

SAR(Synthetic Aperture Radar)信号处理窄带干扰抑制技术是SAR抗干扰技术的重要内容。对3种UWB-SAR(Ultra-W ideBand Synthetic Aperture Radar)窄带干扰抑制方法———陷波滤波法、AR模型参数化干扰抑制法以及小波包分析自适应干扰抑制法进行了分析,利用自行开发的成像软件,对SAR理想点目标和实录数据进行干扰抑制仿真实验,从定性和定量的角度对3种方法的干扰抑制效果作了比较。     

基于B样条的稳健回归算法

利用B样条基构建了拟合函数模型.针对观测数据中存在野值的情形,选取了稳健函数进行稳健回归,并通过迭代再加权法实现了拟合函数模型的求解.试验结果表明:在数据中含有野值的情形下,基于B样条的稳健回归算法比常规的最小二乘回归算法具有更好的表现.     

基于小样本数据的作战计划生成方法

针对部队实兵对抗实验数据生成和采集的投入高、难度大的实际,提出基于小样本数据生成作战计划的方法：首先,采用偏最小二乘回归分析法建立作战因素与作战结果间的多元非线性模型;其次,采用改进的遗传算法,在MATLAB平台编程实现了对模型的整数规划求解,并通过实例验证算法的有效性;最后,利用作战因素的重要性排序分析作战计划的调整流程。     

基于支持向量机的装备故障间隔时间预测研究

针对装备故障样本数据量少、非线性强,故障预测困难的问题,提出了一种基于支持向量机回归的故障间隔时间预测模型.在不同核函数条件下,以提高核函数的普遍适应性和拟合精度为目的,通过实例分析选择了相对于装备故障数据的最佳核函数,并根据故障样本数据的特点,设计了与之相适应的核函数参数.实验结果表明,与常用的BP神经网络预测模型相比,该模型有更强的鲁棒性和推广能力,具有一定的实用价值.     

俄罗斯军事大国的艰难回归

俄罗斯的国防工业能否生产出新国防战略所要求的装备还有待商榷。美国海军分析研究中心的德米特里·戈连堡指出．俄国防部计划的制订显然是对工厂和船坞生产速度过于乐观的结果,认为它不会出现任何延误、技术和设计问题,或瓶颈问题。然而,设计问题已迫使一项37架苏-35战斗机的政府采购订单延期两年。戈连堡和其他一些专家认为俄军的发展速度极不可能实现既定目标。     

高炮射击提前点的解法研究

针对高炮射击解提前点方法进行的研究,在图解法的基础上,运用解方程的思想,提出了精度更高的“系数调整法”、“图解逼近法”和“一元四次方程法”。较好地解决对匀速运动目标命中问题的求解,“图解逼近法”具有单方向收敛的优点。“一元四次方程法”可直接用消元法求解,不需循环。解法与迭代法比较,具有计算精度高、速度快,计算步骤、时间固定,在火控系统计算和修正等方面有重要的实用价值。     

教学质量评价中协方差分析的应用

协方差分析是在方差分析与回归分析基础上发展起来的一种统计方法 ,通过对考试成绩的方差分析与协方差分析结果的比较 ,探讨协方差分析在教学效果评价中的作用。     

新型教学模式下教学路径探讨——基于本科教育“四个回归”

实现本科教育的“四个回归”,是新时代背景下高等本科教育教学改革应该完成的目标。要围绕学生的主体地位来建构新型教学模式下教学路径中的学生角色。学生刻苦学习是学生主体学习地位的基础,实行一定比例的淘汰制是学生刻苦学习的重要保证,助力实现“回归常识”。在教师主导课程学习的过程中,要以学生究竟能学到什么和事实上学到什么作为衡量教学效果的标准,助力实现“回归本分”。课程全过程评价方式是动态全方面的评价方式,改变了目的性极强的单一期末考试评价机制,打破了期末考试一考定成绩的传统做法,助力实现“回归初心”和“回归梦想”。     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。