集成系统测试性方案与分配一体化

在装备测试性工程中,总体方案设计与测试任务和指标分解十分重要,但在实践中,一些装备顶层设计不到位,总承制方缺乏有效地监控和管理,导致分承制方的设计各自为政,后续集成设计难以开展;指标分配未能结合总体方案,出现分配指标过高达不到或指标过低没有约束力等尴尬局面。文章针对上述问题,提出了测试性方案与分配一体化设计架构,认为:测试性分配需综合考虑系统集成性以及下级单元的技术特点和能力,予以"视情分配";对一些故障的测试可由总承制方考虑,包括对系统集成故障以及组成单元中难以自测的故障;当测试性方案把这些测试任务明确下来,分配时就只需考虑剩余故障的测试。文章最后给出了考虑系统级测试性方案的测试性分配方法,并用案例检验了方法有效性。     

基于信息-决策影响因素的兰彻斯特作战模型?

为有效评估信息因素和决策因素对现代作战进程的影响,改进了传统的兰彻斯特方程作战模型,通过引入信息获取能力指数和筹划决策能力指数,建立了基于信息-决策影响因素的兰彻斯特作战模型,并分3种假设情况进行了仿真。仿真结果表明,该作战模型一定程度上反映了信息因素和决策因素对作战的影响,体现了现代作战的基本致胜机理。     

目标网络分层描述与自修复机制研究?

针对目标网络分层建模与自修复机制问题展开研究。首先建立了分层次的作战目标网络模型,在此基础上提出六种维度的指标以评价作战目标网络在攻击前后能力的变化情况;其次,从预警网络层、火力网络层、指控网络层分析探索作战目标体系在遭受攻击后的最优自修复策略;最后,通过模拟攻击实验仿真分析上述自修复机制的可行性。实验结果表明该目标网络的自修复机制相比传统方法,能够更好地发挥剩余节点的作战效能。     

基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰,提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容,并以干扰度最低为目标函数,使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数,作为粒子群位置和速度参数进行初始化,将粒子群算法生成的分配结果作为蚁群算法的初始信息素,利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

基于系统动力学的协同决策模型性能分析

为探索信息化作战中指挥控制关键因素,提出改进作战指挥体制的对策措施,采用系统动力学理论,对协同决策的结构、参与者和信息反馈关系等关键因素进行了分析,在此基础上构建了基于系统动力学的协同决策模型并进行了模拟仿真。结果表明,增加指挥控制机构之间的信息共享可以有效提升协同决策的效率,为建立协同决策指挥控制体制提供了借鉴意义。     

导弹突防后弹道机动调整策略强化学习

针对弹道导弹中段突防后飞行弹道与标准弹道产生较大偏离的弹道机动调整问题,建立了机动调整时机策略最优化模型。设计了机动调整逆序Q学习算法,采用Tile coding逼近器编码状态特征空间,并对其进行线性逼近。构建了Q学习算法与蒙特卡罗方法相结合的逆序更新策略机制,以对导弹机动调整最优时机进行训练。仿真测试分析结果表明,在给定场景参数下,通过10 000代强化学习算法训练得到的策略能够可靠地使用最少机动次数控制导弹突防后飞行弹道的调整决策,验证了方法的有效性。     

质点权重对多信息融合姿态估计算法精度的影响研究

首先介绍了一种新的多信息融合的矢量惯性张量姿态估计算法.该算法将每个参考矢量和相关观测矢量的顶端放置一个质点,对质点进行权重分配并计算出此质点系的惯性张量;对每个惯性张量对角化得到特征值、特征向量和主轴坐标系与各坐标系之间的变换矩阵;通过找到各自主轴坐标系的变换,就可以计算出载体坐标系与惯性坐标系之间的方向余弦矩阵,从...