基于灰色理论的空天一体武器装备综合评价模型

针对空天一体武器装备体系这样的复杂系统,提出了以灰色理论为基础的灰色模糊综合评价方案。首先对主要影响因素进行分析,建立层次化的综合评价指标体系;然后通过专家打分法对定性评价指标进行量化,在此基础上,利用灰色关联分析法和灰色统计法,确定评价指标的权重,建立评价矩阵;最后采用模糊综合评价法,实现了对空天一体武器装备发展情况的综合评价。     

基于指数法的巡航导弹作战效能评估模型

巡航导弹的作战效能是反映其作战性能的最重要的综合性指标。依据巡航导弹的战术技术性能指标,在确定导弹武器作战效能评估指标体系的基础上,运用AHP法分配各指标的权重,建立巡航导弹作战效能的指数法评估模型,最后进行仿真评估。仿真结果表明,相比理想点评估法,指数法模型建模量更小,评估效率更高。     

多机编队指控决策一体化系统概念模型研究

多机编队指挥控制决策一体化系统是未来提高多机编队信息化协作水平的重要途径。通过研究国内外军事领域的发展趋势,并结合网络中心战及C4KISR概念,对该系统进行了需求分析和总体设计,提出了多机编队指挥控制决策一体化系统概念模型。最后将其应用于基于HLA和分布式仿真技术的多机编队指挥控制决策一体化系统仿真环境。     

基于DEA/AHP的炮兵群通信组织方案评价

炮兵群通信组织方案的优劣直接关系到能否对部队实施有效的指挥控制,因此如何客观地评价并依据评价结果进行优选就显得尤为重要。基于炮兵通信的基本要求和现有装备情况,构建了炮兵群通信组织方案评价的指标体系,在对利用DEA/AHP模型评价该问题合理性分析的基础上,给出了简要的评价步骤,并结合炮兵群岛上进攻战斗通信组织方案进行了评价与选优,从一个侧面验证了该评价方法的可行性和可信性。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

基于灰色关联决策的地面防空部署方案

地面防空部署方案的评价是一个多属性决策问题。基于灰色关联决策理论,建立了地面防空部署方案的评价模型与优选算法。该方法能充分利用主客观信息,避免求取属性权重估计值的计算,并能反应指挥员对部署方案的偏好,使得部署方案的评价易于编程计算。     

多机协同空战近距格斗决策

将多级影响图和对策论引入到多机协同近距格斗决策研究中,首先将机群分组为多个小集团作战,继而又进行将小集团作战转化为多个一对一空战的协同决策,然后应用多级影响图对策解决不确定情况下近距格斗决策问题,建立了考虑交战双方、动力学质点模型和飞行员的偏好的连续机动决策模型。并探讨了求解多级影响图对策的方法,最后进行了2∶2协同空战仿真分析,仿真结果表明该模型的有效性。     

基于熵权TOPSIS的场站飞行后勤保障计划优选

场站飞行后勤保障计划优选问题属于多属性决策问题,针对目前传统TOPSIS方法中通常事先人为给定权重,不具备客观性的缺点,采用信息熵权对TOPSIS法进行改进,建立场站飞行后勤保障计划优选模型,从而降低飞行保障计划优化过程中指挥员决策的主观随意性。最后,通过实例计算及其分析,验证了所建模型的科学性和有效性,为场站飞行后勤保障指挥员决策提供了一种科学的方法。     

基于EMA算法的变结构交互多模型算法

标准交互多模型(IMM)算法使用固定数目和时不变的模型集,往往不能兼顾算法的实时性与跟踪精度。基于增加期望模型(EMA)算法的思想,提出综合利用前一时刻的模型匹配概率与当前时刻的混合概率作为加权系数调整系统噪声模型集,调整后的模型集被认为非常接近系统实际噪声模型。将该模型集自适应技术与IMM算法结合得到一种变结构交互多模型(EMA-VIMM)算法。使用机动目标跟踪仿真实例,与标准IMM算法进行了仿真对比,分析了跟踪性能与RMSE误差。仿真结果表明,EMA-VIMM算法不仅极大地提高了跟踪精度,而且与标准IMM算法相比,具有稳定的跟踪性能和较低的计算量。     

改进的变步长LMS自适应滤波算法分析

通过建立步长因子μ与误差信号e(n)之间的非线性函数关系,提出了一种改进的自适应变步长最小均方(LM S)算法。该算法克服了LM S算法在自适应稳态阶段μ取值偏大的缺陷,具有在误差e(n)接近零处缓慢变化的特点。该算法还具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将该算法对比一般的变步长算法,该改进算法在平稳过程中具有更小的稳态误差,同时还具有更好的跟踪时变系统的能力。