地面火炮打击下的战斗减员建模研究

探讨了作战人员遭地面火炮打击后的战斗减员规律。以Anylogic为仿真平台构建多智能体仿真模型,参考武器毁伤实验数据,对作战人员遭地面火炮打击的情况进行了1 000次模拟,并绘制打击效果曲线。不同密度的兵力在遭受火炮打击的情况下,减员率随火力密度的变化规律基本一致,战斗减员率-火力密度曲线和战伤减员率-火力密度曲线近似对数曲线,而阵亡率-火力密度曲线基本是线性的。所构建模型可以定量描述作战人员遭火炮打击后的减员规律,对作战筹划工作和同类研究具有较高参考价值。     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。     

SY—1和SY—2型CR39探测器与美国、日本CR39探测器性能比较研究

对防化研究院某研究所生产的SY－2型CR39探测器与美国Battelle公司生产的CR39探测器进行了快中子灵敏度对比和SY－1型CR39探测器与日本CR39探测器进行了α粒子注量与径迹密度线性关系对比。实验结果证明：防化研究院某研究所生产的CR39探测器与国外同类产品具有相同的快中子灵敏度和同样较好的α粒子注量与径迹密度线性关系,其性能和国外同类产品基本相同。     

高焓CO2气流壁面两步催化机制对非平衡气动加热影响的数值模拟

针对高超声速火星进入飞行遇到的壁面CO_2催化机制特殊且对气动加热影响复杂的问题,基于化学反应系统的三维可压缩流动求解器,建立壁面吸附、Eley-Rideal结合速率受控的壁面CO_2两步催化模型。基于70°球锥布局的高焓风洞实验,进行考虑壁面催化效应的高超声速非平衡气动加热数值模拟,开展考虑CO+O_((s))和O+CO_((s))两类CO_2两步催化路径对非平衡气动加热的影响研究。研究表明,壁面O_2和CO_2结合并存且存在相互竞争关系,催化加热量随催化效率增大而单调增加。数值计算建立了催化路径与非平衡加热水平的定量关联,研究发现CO_2两类催化路径权重与加热量存在非单调关联,特定权重下两种路径联合作用的热流高于单个催化结果。相关研究对碳氧气体主导的壁面催化机理和火星进入气动加热的精细化预测有重要的理论指导意义。     

不同射流状态下射流气体与高超声速主流相互作用影响

为研究不同射流状态对高超声速飞行器气动加热的影响,对高超声速来流条件下方孔和圆孔横向射流模型进行数值模拟,讨论射流压强、射流速度及射流方向对主流流场的影响,得到了不同射流状态下流场结构、壁面温度热流分布及壁面中心线温度热流变化。结果表明:射流在一定程度上能缓解壁面气动加热情况,壁面引射效果更好,壁面引射速度1 m·s~(-1)时壁面热流降低接近三分之二。在高速(Ma1)射流情况下,适当增大压强和速度,均会使得射流下游的冷却效果加强;在中低速(Ma0.6)射流情况下,射流基本上不改变主流流场而在边界层内流动,流速越大,冷却范围越大,冷却效果也相对较好。射流方向与主流方向夹角为锐角时,利于射流孔下游降温;夹角为钝角时,利于射流孔上游降温。     

保密工作要有“密度”

随着部队正规化管理水平的不断加强．保密工作的质量也日益提高。然而,随着信息化建设的不断发展,保密工作的难度也随之增大,要确保保密工作万无一失,就必须增强保密工作的“密度”。     

粒子滤波算法的关键技术应用

针对基于贝叶斯原理的序贯蒙特卡罗粒子滤波器出现退化现象的原因,以无敏粒子滤波(UPF)、辅助粒子滤波(ASIR)及采样重要再采样(SIR)等改进的粒子滤波算法为例,对消除该缺陷的关键技术(优化重要密度函数及再采样)进行了分析研究.说明通过提高重要密度函数的似然度、引进当前测量值、预增和复制大权值粒子等方式,可以有效改善算法性能.最后通过对一无源探测定位问题进行仿真,验证了运用该关键技术后,算法的收敛精度和鲁棒性得到进一步增强.     

改进的邻近目标GM-PHD跟踪算法

针对目标跟踪系统在邻近目标场景下难以进行精确估计的问题,提出一种改进的邻近目标GM-PHD跟踪算法。该算法通过构建基于预测权值和速度参数的自适应门限,有效避免了杂波对算法更新步骤带来的巨大迭代负担。同时,我们充分考虑了目标邻近时量测的可能分布情况,针对目标与量测的“一对零”和“一对多”现象,提出了一种新的权重分配修正方法。结果表明,目标邻近时,改进后的算法在目标数和目标状态估计方面均优于传统算法,能够显著提高跟踪准确度。     

基于相对密度的增量式聚类算法

基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。