基于改进协同遗传算法的有效载荷系统功能序列规划方法

针对传统回溯算法在求解基于知识模型的有效载荷系统功能序列规划问题中搜索效率低的问题,提出一种基于"择劣变异"(Worst Individual Mutation,WIM)策略的协同遗传算法(Co-evolutionary Genetic Algorithm,CGA)的改进算法WIM-CGA。该算法在遗传过程中采用双路线进化方案,即"择优实施标准遗传过程,择劣实施变异操作",达到提高求解精确度及搜索效率的目的。仿真结果表明,同等测试条件下,当功能规模为50,约束密度为1.0时,WIM-CGA算法在限定时间内最优解的平均精确度比优化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且当所得解的精确度大于90%时,WIM-CGA算法比CGA算法的迭代次数减少了65.79%,耗时降低了48.97%,显著提高了功能序列规划的效率。     

初速可控舰炮对海上目标命中概率的影响

针对新能源技术发射弹丸初速可控的新特点,研究初速对命中概率的影响。建立海上目标运动模型,利用Cramer-Rao下界理论得到目标运动要素估计误差的计算模型。根据海上目标特点,推导出弹丸外弹道方程及目标命中界计算模型,并对射击误差进行分析,得到弹丸对海上目标的命中概率模型。分析了射击误差、目标距离、弹丸射角和初速对目标命中概率的影响,结果表明对视距内海上目标存在最佳弹丸初速使命中概率达到最大。     

基于VR与PNN相结合的机电液控制系统故障诊断方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题,提出了一种将虚拟样机与概率神经网络相结合的故障诊断混合方法。建立系统的虚拟样机,并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验,获取故障仿真数据。经过特征提取与概率神经网络模式识别训练,形成用于诊断的知识库,从而实现故障诊断。以操舵系统作为研究案例,得到了较高的故障检测和隔离精度与较低的虚警及漏警率,验证了该方法的可行性,为大型复杂机电液控制系统故障诊断提供新的思路。     

基于概率神经网络的高校科研能力评价

科研能力是评价高校综合实力的重要指标,高校的科研能力水平将会在一定程度上影响到高校所在地方甚至国家的科研水平.因此,不断提升学校科研能力水平,成为高校自我提高和发展、增强综合实力的重要措施之一.如何对高校科研能力进行科学地评价,成为一个亟待解决的问题.本文将高等院校科研能力评价体系作为研究对象,通过相关文献的查阅,从众多研究中,选取影响高校科研能力的11个典型指标,构建了基于PNN的高校科研能力评价模型及算法.并通过仿真实验验证模型及评价方法的可行性和有效性,为高校科研能力有效评价提供参考依据.     

往返搜索发现概率仿真分析与应用

往返搜索是一种最常见的搜索样式,其搜索效能与搜索宽度、发现距离、搜索速度、突破速度等因素密切相关。在建立往返搜索行动模型的基础上,通过仿真实验得到耕耘数据,进而通过数据分析和处理得到往返搜索发现概率的经验公式。应用经验公式并结合声纳探测模型,对多搜索艇分段封锁搜索案例进行了优化研究。     

四代机编队超视距作战效能评估模型研究

为研究四代机典型技术性能在超视距空战中的优势,直观对比四代机和三代机空战结果,研究了一种编队超视距作战效能评估模型.首先利用概率分析法计算先敌发射概率,然后计算导弹对目标的击毁概率,最后通过动态空战效能模型评估空战结果.通过F-22、F-35两型四代机编队对抗苏-33编队超视距作战场景进行仿真分析,实验结果表明,该模型...     

基于命中概率的海警舰炮对海试射问题研究

为研究水面舰艇在维权执法任务中舰炮武器试射问题,提高海警舰艇舰炮武器运用能力,基于舰炮命中概率构建了仿真模型,通过仿真计算得出了不同试射决策下目标分布概率误差随射击距离的变化,并分析了射击命中概率与射击距离的关系,进一步得出了海警舰艇试射决策：即当射击距离小于等于4 500 m时不应进行试射,且射击距离小于4 000 m时,不试射的命中概率较高与不引入新误差的命中概率几乎一致;当射击距离大于4 500 m时,可根据现场情况进行试射。研究成果可以为海警舰艇执行维权任务提供参考。     

双向多中继通信系统中继选择方案

未来海上编队作战中,为有效解决参战单元多,指挥关系复杂,信息流通量大等问题,需要有一套可靠的通信系统做保障,由于双向多中继通信系统具有较高的频谱利用率和网络吞吐量,是协同通信领域的研究热点。研究了双向多中继通信系统的通用模型,改进了现有的分布式中继选择方案,通过与最优接收信噪比中继选择方案和已有分布式中继选择方案进行仿真对比,优化后的系统信道容量和中断概率与最优中继选择方案比较接近,且在中断概率和中继数量较少时,信道容量较已有的分布式中继选择方案均有所提升。     

基于改进遗传算法的AUV动态目标搜索算法

针对水下动态目标搜索问题,提出一种基于改进遗传算法的AUV动态目标搜索算法。采用蒙特卡罗统计方法生成大量目标运动轨迹,作为计算适应度依据;结合水声模型提出一种新型的累积探测概率计算方式;种群选择采用灾变思想与精英主义相结合方法,保证种群的非劣性和多样性,加速跳出局部极值;采用混沌序列方式选择交叉和变异点,增加种群随机性;采用动态自适应的交叉概率与变异概率,减少经验依赖,保证后期种群多样性。仿真实验结果表明,相较于传统算法和经典遗传算法,改进遗传算法能有效避免陷入局部极值,提高搜索概率。