把科技创新作为发展秘器——中广核跨国三维异地协同设计平台为核电设计提速

中国广东核电集团跨国三维异地协同设计平台,是目前世界上地域跨度最大、覆盖项目最多、设计手段最先进的设计平台,自2008年建成投入使用以来,彻底改变了传统的核电站设计方式,将传统意义上的单个设计产品化整为零,科学、有序地分解成可以同步设计的多个模块,通过实施标准的设计数据参照,应用三维设计理念与方法,使核电站的设计实现了流水化作业生产。仅电缆路径设计一项,通过采用三维模拟电缆敷设方法,实现了自动化设计,其计算速度达就达到国外同类电缆设计软件的150倍以上。     

SOPC技术在某型导弹故障检测上的应用研究

本文首先阐述了SOPC技术的特点及优势,针对现有某型导弹检测设备在实际应用中存在的不足,提出了SOPC技术在导弹故障检测上的应用前景。考虑到导弹故障检测系统在扩展性、适用范围、检测速度、操作复杂程度等方面的要求,借鉴SOPC技术在其他领域的成功经验,采用软硬件协同设计的方法,设计了导弹检测系统的系统结构,并介绍了该系统的功能及检测过程,用于实现对导弹性能参数的自动化测试和故障诊断。     

联合防空电子对抗兵与防空兵作战协同原则略探

文章针对我军电子对抗兵与防空兵在联合防空作战中的作战协同原则进行研究。在分析我军联合防空作战指导思想基础上,为了使电子对抗兵与防空兵在联合防空作战中贯彻"综合抗击"的指导思想,提出了电子对抗兵与防空兵作战协同的五点原则,为筹划与组织联合防空电子对抗兵与防空兵作战协同提供一定的理论依据。     

基于协同增益的联合编队作战任务群聚合模型

作战任务群是联合编队遂行各种作战任务的主要组织形式,兵力聚合是构建作战任务群的有效途径,文中将模糊聚类（FCA）法应用于作战任务群聚合。在研究聚合原则、聚合结构的基础上,提出兵力间协同的增益效应,并建立了协同增益模型。将协同增益模型和FCA相结合,建立了作战任务群聚合模型（PFCM）。模型着力解决互联、互通、互操作能力逐步增强条件下各个作战单元协同效应的实现,是提高联合编队作战协同能力的有效途径。     

基于遗传算法的武器目标分配模糊多目标规划

针对武器目标分配（WTA）问题中存在的模糊性,提出了一种基于遗传算法的WTA模糊多目标规划模型。建立了wTA多目标规划模型以及目标函数和约束条件,并在此基础上基于目标函数和约束条件的模糊性结合梯度隶属函数建立了WTA模糊多目标规划模型,给出了遗传算法进行求解的方法,通过一个实例分析表明,基于遗传算法的模糊多目标规划模型解决wTA问题具有较好的效果,验证了该模型的合理性,对于有效解决WTA问题具有指导作用。     

基于遗传算法的航路规划模型研究

航路规划模型问题是飞行器航路规划研究的一个重点问题。目标函数模型设计的合理与否,对航路规划的效率及准确度将产生十分重要的影响。在建立连续的威胁概率函数模型、构建航路规划目标函数模型时,将遗传算法应用到航路规划中,通过仿真计算验证模型有效性。     

数字化炮兵作战能力评价

为了正确评估数字化炮兵作战能力,运用复杂系统理论,建立了数字化炮兵作战系统层次结构模型,并将原层次分析法中判断矩阵一致性检验和计算各要素权重转化为非线性优化问题,用一种通用的全局优化算法-加速遗传算法进行求解,最后引入相关算例.通过对比评价结果,说明该方法增强了评价的稳定性和准确性,并且易于计算机编程实现,应用更加简便.     

提升机关基层信任度的调查与思考

<正>信任,在《辞海》中解释为"相信而敢于托付"。机关、基层是血肉相连的有机体,基层是机关赖以存在的前提和基础,没有基层就没有机关;而缺少机关的基层,犹如大海航行没有舵手,容易迷失方向。机关基层只有上下同欲、合心合力,才能共同推动部队不断向前发展。近期通过调研感到,机关在基层官兵中的公信力还不高,基层抓工作落实的执行力和成效离机关要求同样存在不小差距,机关基层之间还没有形成系统联动、协同配合、共振双赢的良好局面,较大程度上制约了团队建设高质量发展。一、基层不信任机关的原因分析     

陆地车辆导航仪中方位保持温控系统的研究

针对方位保持部件温控系统 ,提出了一种分时分段 PID控制与级间控制相结合的三级温控方案 ,以及用遗传算法进行参数整定的方法。同时 ,介绍了温控系统的软、硬件实现 ,并给出了试验结果。     

类爬山快速搜索算法在轨道攻击中的应用

遗传算法是目前应用最广泛的优化算法,其最根本的优点是对非线性的适应性,特别适合于对非线性系统寻优,但是目前的各种遗传算法都存在速度慢的问题,对于实时性要求不高或者离线寻优是适用的,但是用于实时飞行器控制参数寻优,实时火控结算等任务,由于实时性要求高,因此目前的遗传算法就很难胜任.为了提高寻优算法的实时性,又要保持算法对非线性优化的适应性,提出一种类爬山快速搜索算法.并进行了理论证明和实例计算.理论分析和实践证明,该算法具有和遗传算法相似的收敛性,执行时间只有3s左右,而同样条件下普通遗传算法的执行时间则要50s左右.另外如果普通遗传算法的种群规模为n,则该算法的空间复杂性小于普通遗传算法空间复杂性的1/n,算法简单,易于编程实现.