基于改进粒子群算法的地空导弹使用保障设备优化配置

地空导弹使用保障过程复杂,很难有效地对使用保障设备进行优化配置。结合地空导弹使用保障需求以及其使用保障作业流程的特点,构建地空导弹使用保障设备优化配置模型。该模型属于典型的NP难问题,基于此提出以改进的粒子群优化方法对模型进行求解。新的粒子群优化方法中,将粒子线性移动改进为非线性移动方式,有效提高粒子的全局搜索能力。粒子的编码方案首次采用位移向量表达方式,并提出一种新的粒子修复策略,有效地简化了模型的求解过程。给出算例并且设计了对比实验。实验结果表明本文方法能够解决地空导弹使用保障设备的优化配置问题,并且对于其他资源配置问题求解也具有重要的参考意义。     

“算法战争”的概念、特点与影响

分析了"算法战争"的概念,考察了美军围绕筹划"算法战争"所展开的相关举措,讨论了"算法战争"的潜在影响,并指出了其局限性所在。建议跟踪研判"算法战争"的未来演变趋势,依托军民融合加强算法储备,重视反制措施的研究和伦理探讨。     

基于改进粒子群算法的复杂地况下雷达布站优化

针对现有雷达布站数学模型不能解决复杂地况下的雷达布站问题,提出了一种复杂地况下的雷达布站数学模型,该模型解决了雷达在复杂地况下布站位置受限的问题。在此基础上,提出了基于改进粒子群算法的复杂地况下的雷达布站优化算法,该算法改善了现有粒子群算法中期搜索性能不强的缺陷。仿真结果验证了提出的改进雷达布站数学模型的可行性和基于改进粒子群算法的复杂地况下雷达布站优化方法的有效性。     

一种基于周期分区的时间调度算法

针对多功能相控阵雷达任务实时调度问题,提出了一种基于采样周期分区的时间资源调度算法(记为PD)。该算法以各类任务采样周期的最大公约数为分区标准,将各采样周期均分为多个等长区间,再将各类任务平均分配到不同分区中调度执行,可解决调度过程中任务因采样周期不同产生冲突的难题。仿真结果表明,该算法可提高系统任务调度能力,可广泛应用于相控阵雷达任务调度及其他实时任务调度系统。     

基于遗传算法整定的空间机械臂控制方法

针对空间机械臂关节角度控制时中存在的精度较低、建模误差较大等问题,采用遗传算法对PID参数进行整定的空间机械臂控制算法,可以有效地提高了关节角度控制的精度。仿真结果表明,使用遗传算法PID参数的整定算法,对空间机械臂关节角度具有较好控制性能,并且克服了传统PID调整参数困难的缺点。     

基于战斗力的维修调度模型优化研究

针对我军维修调度仍然采用"先来先维修(FCFS),重要装备优先维修"问题,结合战时武器装备的维修特点及作战单元战斗力的构成,综合考虑了权重、维修时间与战斗力的关系,以权重和维修时间的比值作为衡量指标,建立了基于战斗力的静态、动态调度模型,提出了相应的调度算法。利用维修调度相关数据对模型进行检验和分析,表明所提出的模型和算法既充分利用了现有的维修调度策略,又对现有的维修策略进行了改进,增强了维修调度的灵活性,缩短了维修时间,使得维修调度更加科学、合理,为决策者进行辅助决策提供了优化思路。     

基于稀疏表示的数字调制模式识别

通过分析稀疏表示在模式识别应用的基础上,提出了一种基于稀疏表示的特征提取方法。该方法首先引入主成分分析对新的样本进行降维,然后利用降维后的训练样本构建稀疏线性模型,通过范数最优化求解测试样本的稀疏系数,根据稀疏系数的分布提取特征值。最后利用支持向量机分类器进行信号的分类识别。并在求解最小范数优化问题中,提出一种通用的解决方案,利用粒子群算法确定最优惩罚系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的有效性和一定的工程应用性。     

装备保障过程建模方法评价选择研究

装备保障过程的仿真、分析、设计、优化和调整都需要过程建模方法的支持,当前的过程建模方法众多,如何选取合适的过程建模方法,成为保障过程管理的首要和关键问题。通过分析当前主要的过程建模方法,结合装备保障过程建模要求确定了评价标准,采用分阶段、分层次群体决策的方法确定了战时装备保障准备阶段选用IDEF3建模、实施阶段采用eEPC和PetriNet组合建模的思路,所述思路和方法已成功应用在装备维修保障业务重组管理系统项目开发中。     

鱼雷目标定位跟踪技术

对鱼雷目标进行定位跟踪是舰艇反鱼雷的关键,报警声纳能够给出水下鱼雷目标的方位信息,但仅利用方位信息对鱼雷目标进行定位跟踪是不够的。对本水面舰艇舰壳声纳和拖线阵声纳纯方位协同探测可行性进行分析,并对协同探测条件下鱼雷目标定位跟踪算法进行探讨,建立可应用于鱼雷目标定位跟踪的滤波算法模型,对其定位精度进行分析,并与最小二乘算法进行比较,通过仿真比较,最终确定出可用于鱼雷目标定位跟踪的算法模型。     

改进型卡尔曼算法解算小型弹箭姿态角研究

弹箭飞行姿态参数的准确获取是实现精确高效打击敌方的重要前提。其中最重要的关键环节是姿态角的算法解算,决定着最后的精确导航。卡尔曼滤波算法是组合导航中最常用的解算算法,然而仍不能满足精度要求。为了进一步提高解算精度,提出通过BP神经网络对误差建模,进而修正卡尔曼滤波增益矩阵系数的改进算法。实验证明,应用于高速旋转弹姿态角测试,改进后的卡尔曼算法较传统卡尔曼算法精度提高了3°左右。