RBF网络用于战车火控系统弹道解算的方法

弹道解算问题对战车火控系统的性能有着直接的影响.传统的弹道解算方法在精度和实时性方面都存在一定的局限性.为了提高解算精度、战车首发命中率和解算的实时性,基于RBF网络的函数逼近及预测能力,将RBF网络用于弹道解算,对传统算法进行优化,得到了新的弹道解算方法.最后对所提方法进行了仿真,发现新方法在解算精度没有降低的条件下,大大提高了弹道解算的实时性.     

基于匈牙利算法求解的火力分配问题

匈牙利算法是求解指派问题的一个很好的算法,但一般情况下,火力分配问题的数学模型不具备指派问题的模型形式.针对目标函数是线性或非线性的一类火力分配问题,提出了虚拟火力单位或目标的方法,将问题转化为能够用匈牙利算法求解的指派问题,该方法简单、易于计算,有很高的应用价值.     

空投水雷入水及水下弹道的设计与仿真

水雷空投可以增加布雷的隐蔽性和突发性.针对空投水雷入水及水下弹道进行了研究.在建立了六自由度的水雷水下弹道数学模型和水雷入水击水力计算的数学模型基础上,通过实例对水雷的水下弹道在Matlab/Simulink环境下进行了仿真计算,最后给出相应的仿真结果和分析.仿真结果显示水雷弹道稳定,证明了基于Matlab/Simulink的空投水雷水下弹道仿真方法是有效可行的.     

图论及神经网络在地空导弹部队阵地中的应用

防空部队特别是地空导弹部队抗击敌空袭作战必须依托相应的阵地进行,而地空导弹部队阵地部署与选择的正确与否是地空导弹部队能否有效进行抗击敌空袭作战的一个重要因素,地空导弹部队阵地部署与选择需要综合考虑地形条貂件、机动条件、作战时间条件等各种因素.提出阵地部署与选择的几个指标,用图论与神经网络方法针对一个具体的例子对所提出的指标进行求解计算,得出阵地部署与选择的方案.     

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

航空兵空中进攻作战兵力使用方案的优化

科学技术的飞速发展和高技术航空兵器的广泛使用,使得空军航空兵对地作战的地位发生了重大变化,当今世界许多国家已十分注重发展空对地作战理论,也更加强调发挥空中力量的进攻特长,"进攻"已成为空中力量运用的主导思想.针对空中进攻作战,运用线性规划的理论和方法,分析各种不同的航空兵兵力使用方案,根据敌防空体系对我方突击机的威胁程度,以完成突击任务等为约束条件,提出了一种以我方损失最小、航程最短等为目标函数的航空兵最优出动方案及我军现有作战飞机的编队模型构想.     

基于BP网络的坦克火力性能评价模型

应用神经网络理论与方法建立了坦克火力性能比较的BP网络模型,利用MATLAB中神经网络工具箱对国内外几种代表性坦克的火力性能进行比较.结果表明,BP神经网络模型能很好地解决评价因子与装备性能之间的非线性关系,评价坦克火力性能简便可靠,客观性强.     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。