动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

不同尾翼结构火箭弹动态气动特性数值研究

动导数是关乎火箭弹动态飞行稳定性的一个重要因素,为探究不同尾翼结构火箭弹在不同飞行状态下火箭弹动导数的变化,以3种尾翼结构火箭弹为研究对象,通过仿真计算,对比分析了3种尾翼结构火箭弹的俯仰组合动导数,结果表明：在小攻角范围内,攻角越大,3种尾翼结构火箭弹动态飞行稳定性越高;增加卷弧翼的数量后,卷弧翼火箭弹动态飞行稳定性提高;同时,平板尾翼火箭弹的俯仰组合动导数绝对值小于卷弧翼火箭弹,动态飞行稳定性低于卷弧翼火箭弹。     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

GPS多天线多径抑制技术

针对小范围多天线系统中多径对各相关通道之间信噪比测量值影响的相关性,采用基于“当前统计”模型的扩展卡尔曼滤波技术得到多径信号各参数,从而消去多径信号影响。分析了多径对信噪比的影响,建立了扩展卡尔曼滤波的状态方程和观测方程。仿真表明,该方法能够有效地降低由多径引起的伪距测量误差和相位测量误差。     

单相自激异步发电机恒压输出和负载能力研究

单相自激式异步发电机的研制在国内外一直是一个热课题,但困扰异步机作发电机使用的主要问题是输出电压不稳和带动态负载能力研究,本文对单相自激式异步发电机研制过程中的这两大关键技术难题进行了研究和探讨。     

物料混合过程智能仿真软件的研制

以实时智能系统开发软件G2为平台,以一典型的化工物料混合过程为对象,研制了其智能仿真运行软件,运行结果表明,该软件能准确有效地模拟仿该过程的动态操作与运行。这说明,G2是一中较好的智能仿真软件开发工具。所做工作对于研究掌握动态仿真技术和G2智能编程技术具有积极的意义,对于研制较大规模工艺过程的仿真运行软件也具有一定的参考价值。     

频谱重叠DS／SFH混合扩展频谱系统

在频谱分析的基础上提出对直接序列扩展频谱信号的窄带接收的概念及其实现的问题。进而导出频谱重叠DS／FH－SS系统的带宽,给出DS／SFH混合扩展频谱信号接收机的模型,并讨论了混合扩展频谱系统的同步问题。     

基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。