基于假设检验的软件可靠性模型预测精度比较

提出一种基于假设检验的软件可靠性模型预测精度比较方法,该方法将模型预测值与真实值的RE(相对误差)看作随机变量,利用假设检验思想度量模型预测精度,并给出多个模型之间预测精度的比较标准.     

基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

地面慢速移动目标轨迹预测方法

在预测期较长的情况下,不确定因素将增加,对地面慢速移动目标轨迹预测的结果可能偏差较大.为了检验和提高预测结果的准确度,克服单一预测模型的不足,提出了一种改进灰色预测模型结合轨迹点转移概率的综合预测方法.通过引入缓变因子,并对原始数据进行自然指数变换,改进的灰色GM(1,1)模型能够控制其发展系数,提高灰色预测模型本身的精度.为了进一步检验预测结果,利用当前统计模型和分段整合的思想,并采用目标加速度截断正态概率密度模型,建立了轨迹点转移概率分布模型.仿真结果表明,该方法能够达到提高和保证预测精度的目的.     

基于LS-SVR的提升小波自适应算子构造方法与应用

小波变换已经广泛应用于信号处理各个领域,然而为给定的信号设计合适的小波函数非常困难.提升小波变换通过设计预测算子和更新算子,可以获得具有期望特性的小波函数.提出一种提升小波自适应算子的构造方法.根据给定的维度对剖分信号进行处理,采用最小二乘支持向量回归机算法构造自适应算子,选用线性核函数实现均方误差最小化.仿真实验证明了该方法的可行性和有效性.所构造的预测算子能够反映给定信号的结构特征,适用于信号消噪和故障诊断.     

基于弹道预测的脉冲修正弹末段控制方法

针对脉冲修正弹箭的控制方法问题,探讨了一种基于快速弹道预测的弹道末段控制方法.在一定假设下,对三自由度质点弹道方程组进行解析求解,得到一组精度较好的弹道诸元解析模型;基于该解析模型,提出一种通过估算剩余飞行时间进行快速弹道预测的方法;在此基础上,提出了适配的脉冲控制参数(脉冲作用方位、脉冲作用个数)的确定方法.以某脉冲修正弹为研究对象,采用Monte Carlo打靶法,在一组相同扰动源条件下分别对无控和有控弹道进行了数值仿真.仿真结果表明:该控制方法可有效提高脉冲修正弹的落点精度,有控落点圆概率误差比无控落点圆概率误差减小80％以上.     

美军CPGS武器装备动向分析及思考

快速全球打击(PGS)武器是近年来在美俄削减核武器的背景下,美军积极探索发展一种"慑战兼备"的新型战略威慑力量。文章深入分析了美军发展PGS武器装备的技术方案、现实进展和未来趋势,并结合我国实际给出了三点应对策略。     

模拟训练系统中CGF的号手操作技能建模

针对模拟训练系统对CGF真实性的要求,从号手的操作技能入手,建立可以反映真实训练水平的号手操作技能模型。在分析操作技能相关原理和规律的基础上,采用时间序列分析的方法对其进行预测。采用了指数平滑预测模型,详细分析了其原理,并针对其在实际应用中的缺陷进行了改进。最后,通过两个实际案例验证了模型的可用性和可信性。所建模型反映了号手的操作技能,为模拟训练系统中CGF的真实性研究提供新的思路和方法。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。     

基于预测命中点的机动目标最优制导方法

针对导弹攻击机动目标的情况,提出了一种基于"当前"统计模型的预测命中点方法。首先对目标进行实时机动检测,并预测了拦截时刻目标的位置。基于预测命中点的结果,推导得到导弹攻击机动目标最优制导方法的解析解。该方法无需提前假设目标机动模式,适用性好。在多个假想的攻击场景下对制导方法进行了仿真,仿真结果验证了该方法是有效的。