机载通信模拟训练系统的设计与实现

针对机载通信系统的特点,建立了仿真系统模型,并设计了相应的仿真算法.结合1553B总线协议和数据库技术,实现了一套操作方便、易于维护、易于扩展、功能强大的模拟训练系统,为系统操作提供了逼真的虚拟训练环境.同时,也为机载总线系统的研究工作提供了可靠的实验平台.     

滑翔增程炮弹的气动布局与外形参数优化设计分析

为提高滑翔增程炮弹的滑翔距离,要对滑翔增程炮弹的气动布局和外形参数进行优化设计.研究了滑翔增程炮弹的总体气动布局方案,以全弹的升阻比为优化目标函数,建立了滑翔增程炮弹的气动外形参数优化设计方法.仿真结果表明,采用该方法确定的气动外形参数,有利于滑翔增程炮弹稳定性适当,操纵性良好,稳定性与操纵性、舵偏角与平衡攻角匹配较好.研究结果为滑翔增程炮弹的气动布局和外形参数设计提供了理论依据.     

分布式多传感器融合跟踪

针对传感器观测的非线性问题,引入了无迹卡尔曼滤波算法,它在稳定性和精确性等方面均高于卡尔曼滤波,进一步,针对其弱可观测性,采用多个传感器分布式融合跟踪策略.而协方差交集算法,它不需要考虑每个传感器之间的相关度,根据实际要求选择好合适的权值后,可以直接进行融合,并且达到很好的精度,于是,提出了基于协方差交集算法的分布式多...     

电视侦察弹侦察效力的演化仿真优化研究

为了保证电视侦察弹能到达目标区域的上空并发挥最优的侦察效力,采用了基于遗传算法的启发式仿真优化方法来解决炮射电视侦察弹的优化使用问题.分析了电视侦察弹的主要影响因素,建立了用于计算目标侦察效力的仿真模型,引入了演化策略,实现了基于进化计算的启发式仿真优化系统,并求取了电视侦察弹的最大侦察效力及其主要影响因素的最优搭配....     

基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

多UAV协同区域覆盖侦察方法

针对多UAV对未知区域的协同覆盖侦察问题,提出了将STC算法与在线局部调整策略相结合的区域覆盖侦察方法.通过建立无重叠覆盖区域的闭合路径,最小化了重复侦察区域,缩短了任务执行时间;通过在线局部调整保证了只要有一架UAV不出现故障,侦察任务就可以正常进行.仿真结果表明,该方法能够有效解决多UAV协同区域覆盖侦察问题,方法...     

基于BP网络的BTT导弹逆控制方法

运用BP神经网络结构和Levenberg-Marquardt算法,对导弹动力学特性进行动态逆模型辨识,并以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统,进而应用逆系统方法设计了一种用于解决BTT导弹非线性控制问题的经典控制与神经网络在线自学习控制相结合的控制方法.从理论上证明了该控制方案可以实现对导弹三通...     

舰艇编队防空最优火力分配问题的蚁群算法

为了对多目标进行合理的防空武器分配,首先分析了各种解决此问题算法的优缺点.然后以“编队不被目标突防的概率最大”为准则,结合蚁群算法的思想,建立了基于蚁群算法的火力分配问题求解模型,给出了算法的求解步骤和参数确定原则.最后通过实例进行仿真验证,并与多维动态规划方法做了比较,结果表明,基于蚁群算法思想的火力分配方法是有效的...     

地面车路径规划的参数化地图构建方法

对地面无人平台的路径规划同题而言,合理的环境地图构建方式对产生优化的规划结果至关重要.在分析地图构建方式与规划质量关系的基础上,依据障碍物已知的工作空间,提出了一种基于平面扫面的参数化地图构建算法,该方法通过对离散精度D、避障的最小安全距离ε、以及有效连通半径R,这3个参数的设定,优化环境地图生成,为地面车全局路径规划问题提供优质的环境建模方案.实验显示,基于该方法构建的地图,在降低计算复杂度的同时,也能产生优质的规划结果.     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。