基于模糊理论的防空系统威胁评估方法

防空系统的威胁评估是进行对地攻击任务规划的重要前提.针对防空系统评估指标信息的不确定性和模糊性,借鉴模糊数学的研究成果,利用模糊层次分析法分配各指标的权重,并给出了模糊层次分析法的数学模型和应用步骤.在此基础上,采用模糊多属性决策理论对防空系统的威胁等级进行量化,最后通过算例验证了方法的有效性.     

水面舰艇反潜作战能力评估

水面舰艇反潜是提高自身防护力的重要措施.针对水面舰艇单舰反潜作战能力问题,在分析影响水面舰艇反潜的搜索、攻击、防御3个重要因素的基础上,建立了反潜作战能力评估指标体系,并引进灰色层次分析法,构建了评估模型,通过实例验证了模型的可行性.     

反导作战中多TBM威胁评估模型研究

威胁评估模型是反导指挥控制系统中的关键模型之一.在分析和研究反导作战指挥控制问题的基础上,重点对TBM威胁评估的影响因素进行了分析总结;对各级反导指挥控制系统的威胁评估模型中的异同点进行了对比分析.最后结合层次分析法的相关理论给出了战区级反导指控系统威胁评估模型的求解过程.该算法在指控系统仿真应用中取得了较好的效果.对后续反导作战指挥控制问题的研究具有很高的参考价值.     

基于ANP的多目标网络目标重要度评估方法

摘　要：目标重要度分析是军事计划人员开发作战计划方案的前提和基础,是形成作战行动的基本依据。针对多目标网络中重心的抽象性及不易打击的特点,分析影响重心的关键要素及其依赖关系,提出了基于改进网络分析法的多目标网络重心模型,利用该模型分析目标相对于重心的重要度。研究了该模型涉及的两个关键技术,即改进判断矩阵以提高决策的速度和克服决策的主观性,利用协调理论确定要素之间的依赖关系。以分析某地区多目标网络的过程为例,验证了该模型的有效性和合理性。     

基于GAHP-模糊综合评价的南海方向潜艇威胁评估

为有效解决我南海方向有限反潜能力与广域反潜要求不相适应的矛盾,提出“分区评估威胁,分类建设体系”的思路。针对潜艇威胁主要影响因素,建立潜艇威胁评估指标体系,运用GAHP-模糊综合评价相结合的方法,对潜艇威胁进行量化评估,为合理用兵,实现反潜体系的最优化建设提供依据。     

并联系统可靠性分配的模糊层次分析法

综合考虑影响系统可靠性分配的定性因素和定量因素、影响因素的模糊性以及系统的结构组成.利用层次分析法可集定性与定量分析于一体,从而确定出各影响因素对可靠性分配的权重向量;模糊数学理论进而确定出分系统之间可靠性水平的相对比重;进行模糊变换最终进行并联系统的可靠性分配.结合实例分析,对并联系统运用模糊理论和层次分析法相结合的方法进行可靠性分配科学、合理,便于工程应用.     

多决策目标排序的层次分析与灰色关联法

战争中对打击目标排序是下定作战决心的前提,是战场信息处理的重要内容.随着军事科技的发展和战术运用要求的提高,决定目标排序的因素不断增多,作战环境更加复杂,单一指标已不能满足需求.采用层次分析和灰色关联相结合的方法对多决策目标进行分析,为具有多决策因子目标提供了一种排序方法.灰色数据的白化和精确数据的直接使用提高了数据的效率,使得不同特点的目标具有可比性.实例表明,该方法行之有效.     

首位激励 末位诫勉

我们在技术干部比较密集的单位开展了“首位激励、末位诫勉”的活动。时间虽然不长 ,效果比较明显。正如群众所说 :“首位激励、末位诫勉” ,犹如尺子 ,量出了政绩的长短 ;犹如镜子 ,照出了工作优劣 ;犹如鞭子 ,鞭策每个同志不敢懈怠。所谓“首位激励、末位诫勉” ,就是在干部管理中 ,通过群众评议、支部讨论、机关考核、党委确定的方法 ,在不同层次人员中确定“首位”和“末位”。对被评为“首位”的干部 ,在职务晋升、立功受奖等方面给予优先考虑。对被评为“末位”干部 ,组织诫勉谈话 ,公开宣布实施一定期限诫勉。在诫勉期内不予晋职晋衔…     

融合地面多传感器信息引导无人机着陆

针对无人机自主着陆过程中卫星导航系统易被干扰的问题,提出了一种基于地基多传感器融合的无人机自主着陆引导方法。采用主动式激光照射的方式,获取机载反射棱镜的近红外成像,在红外图像中对无人机目标进行识别;通过坐标转换将识别结果映射到可见光图像中,在可见光图像中选择的感兴趣区域进行可见光目标识别,从而在降低计算量的基础上获得更加精确的无人机相对角度信息;利用距离测量信息和引导系统角度信息可以获得精确的无人机相对位置。无人机着陆引导试验结果表明,该方法能够提供精确的无人机位置信息,能有效适应于复杂背景下的无人机自主着陆引导。     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。