粗糙集理论的支持向量机建模研究及应用

结合粗糙集的属性约简和支持向量机的分类机理,提出了一种混合算法.将粗糙集理论中的属性约简引入到支持向量机中来,把粗糙集作为支持向量机的预处理器,先降低原问题的维数,以支持向量机方法建立预测模型.提高了SVM的推广能力,减少存储空间,加快了支持向量机的训练速度,取得了满意的预测结果.     

改进的基于背景预测的红外弱小目标检测方法

提出一种改进的基于背景预测的红外弱小目标检测的算法,该算法通过"裁判模型"自动排除预测窗口内偏离真实值的噪点,从而减少了噪声和背景起伏对背景预测的影响,不仅能解决传统预测算法的边缘模糊问题,而且有较强的抗噪声特性,尤其适用于具有复杂云层的空背景,是背景预测算法的一个重要扩展.针对实际红外图像的实验仿真表明,该算法是有效的.     

基于预测脱靶量的新型滑模控制末制导律研究

针对采用直接侧向力控制的导弹,通过选取预测脱靶量和预测脱靶速度等滑动模态,研究了一种滑模控制末制导律策略.仿真结果表明,这种导引律比采用视线角速度作为滑动模态的末制导律有更好的性能.     

基于灰色理论的鱼雷装载可靠性分析

为解决在鱼雷装载可靠度试验数据较少的情况下进行装载可靠性分析困难的问题,利用灰色系统理论及 GM(1,2)建模的思想,研究了鱼雷装载可靠度和工作可靠度之间的灰色关系,基于灰色系统理论建立了两者之间关系的数学模型.计算实例表明,该方法简单实用,可在鱼雷装载可靠度数据样本量较少的情况下对鱼雷装戢可靠度进行有效预测,为鱼雷装载可靠度的评定提供了理论参考.     

基于压力测量的发动机汽缸磨损寿命预测方法

对不同摩托小时的某型坦克发动机进行了实车检测试验,采用压力传感器测量了发动机汽缸压缩压力,分析了汽缸压缩压力随发动机使用时间的变化趋势。分析了汽缸套磨损的特点及对发动机使用寿命的影响。针对发动机汽缸磨损的非线性特点,建立了人工神经网络预测模型,实现了对坦克发动机汽缸使用寿命的预测。     

基于支持向量机算法的虚拟脱靶量预测

为了提高防空高炮武器系统的射击精度问题,采用支持向量机(SVM)算法,建立了基于支持向量机的虚拟脱靶量预测模型,提出了预测方法,该算法可以通过对给定样本的学习,获得很好的预测未出现的样本,理论上比较科学,算法简单、易于实现,通过仿真实验验证了该算法对虚拟脱靶量预测的可用性和准确性,为火控系统精度的校正提供了一种有效的方法。     

自导鱼雷现在位置射击法研究

针对如何有效打击近距离突然出现的匀速直航潜艇,提出了自导鱼雷对匀速直航潜艇射击的现在位置射击法,即直接按潜艇方位进行射击,建立了鱼雷与潜艇的现在位置射击法对抗模型,并通过实例计算分析了射击距离的确定方法,验证了现在位置射击法对近距离上突然出现的匀速直航潜艇对抗的有效性。仿真结果表明,在500～2500m距离内,对近距离突然出现的匀速直航潜艇,采用现在位置射击法射击,对潜艇的命中概率可达到0.8。     

组合预测法在战时单兵日均物资需求预测中的应用

分析、研究、预测战时物资需求量,进而拟制相应的物资保障方案,是提高战时物资保障计划性和有效性的客观要求。利用灰色预测法和趋势预测法建立模型并进行预测,在对比分析各种物资需求预测方法的基础上,建立了基于最小二乘法加权的战时单兵日均物资需求的组合预测模型,为我军进行战时物资需求预测提供了一种可借鉴的方法。     

E 级超级计算机故障预测的数据采集方法

随着超级计算机规模向E级迅速发展,其可靠性面临巨大挑战,基于故障预测的主动容错技术成为提高系统容错能力的有效方法之一。数据采集是故障预测的基础,现有用于超级计算机故障预测的数据采集方法采集数据属性少、开销大,影响了故障预测的准确性和效率。本文面向未来E级超级计算机,提出数据采集框架（Failure Prediction Data Collection Framework, FPDC）,能够全面采集与计算结点故障相关的状态数据,采用自适应多层分组数据汇集方法,有效解决了随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小,扩展性好的优点,能够适应未来大规模系统故障预测数据采集的需求。     

塔康信标扩展数据广播抗噪声性能分析

为扩展塔康信标数据广播功能,保持同导航功能的兼容性,分析了信标信号格式和系统要求,提出了基于OOK、PPM、DPSK的数据广播方法,将数据信号插在基准群之后播发。研究了高斯白噪声对3种数据广播信号的影响,分别推导出3种数据广播系统误码率公式。仿真结果表明:抗噪声性能从好到坏依次为OOK信号、DPSK信号、PPM信号;信噪比大于15 d B时,DPSK同PPM误码率基本相同,均小于6×10-5。同时,由于PPM方法数据广播速率高于OOK,实现复杂度低于DPSK,具有较好的综合性能。