导弹命中精度的序贯截尾概率圆检验方法

针对圆概率偏差检验难以直接计算的问题,提出序贯截尾概率圆检验方法,以目标点为中心,绘制两个同心圆,其中小圆以内区域为接受域,大圆以外区域为拒绝域,中间区域为继续试验域,在此基础上定义了序贯检验的基本决策规则,给出了双方风险及平均试验次数计算模型,提出了两种不同的决策阈值优化计算模型,通过求解优化问题确定接受域及拒绝域半径。利用数值仿真分析了两种不同决策阈值计算方法下检验方案中的各类参数,其中以平均试验次数最小为优化目标的计算模型具有更好的工程实用性。     

燃烧室-喷管流场数值解

本文用时间相关法计算了固体火箭发动机燃烧室─喷管亚跨声速流场数值解,控制方程用ＭａｃＣｏｒｍａｃｋ二步显格式：边界点参数用物理边界条件和参考平面上的特征方程计算。计算表明,达到收敛的数值积分步数比纯喷管的跨声速计算要多得多。虽然喷管壁上和轴线上的马赫数分布与纯喷管计算类似,但喷管中的等马赫线分布与纯喷管计算的结果［３］相差较远。     

农业渗灌法对经常性思想教育的启示

近日随团党委中心组赴某农业生产基地参观见学,只见温室大棚内各种经济作物郁郁葱葱、果实累累,但却没有看到用于灌溉的泵站、沟渠等相关设施。经介绍得知该基地采用农业渗灌法,将灌溉管线埋设于靠近作物根系生长区域的一定深度地层内,借助土壤毛细管作用湿润土壤,直接向作物根部供给水分和液体肥料。管理人员根据作物品种和生长需要科学进行调控,管理方便,节能高效。由此联想到部队经常性思想教育的组织实施,我感到有三个方面的经验做法值得借鉴。     

基于实验数据的电子对抗效能分析建模方法

为定量分析电子对抗复杂系统各指标的响应关系,综合解析法和作战模拟法的优缺点,提出了实验数据回归分析法的概念,并设计了实现算法。应用该方法建立了防空预警系统探测效能和电子对抗兵力规模之间的关系模型,最后分析关系模型得出一些有意义的结论。回归分析方法结合作战仿真实验数据,为电子对抗作战效能分析提供了一种新的建模方法。     

拦截器姿控脉冲发动机点火控制算法

姿控脉冲发动机点火算法是大气层内拦截器末段交战中的一项关键技术。以响应时间快速性和发动机消耗量最小为目标,建立了脉冲发动机点火模型,将点火控制问题转化为组合优化问题。提出了一种离散微粒群优化算法,在微粒群优化算法框架内重新定义了微粒的位置、速度及相关的操作,进而使该算法适合求解脉冲发动机点火控制问题。仿真结果表明,基于离散微粒群优化的点火算法合理可行。     

航天器转动惯量参数在轨辨识的最优激励

根据矩阵分析理论研究了转动惯量参数的可辨识性问题,从姿态动力学方程导出关于未知参数的线性回归模型,将回归矩阵的条件数作为参数可辨识度的定量指标,以可辨识度最大为目标函数建立最优控制模型;应用解最优控制问题的伪谱法,计算控制力矩陀螺的指令轨线,使得惯量参数的辨识精度和收敛速度显著提高;在仿真中采用双无迹卡尔曼滤波算法进行参数辨识,结果验证了所提出的最优激励设计方法可以改善参数辨识性能,同时该方法对先验信息误差具有鲁棒性。     

基于运动合成的小推力轨道优化方法

针对小推力轨道优化设计问题,提出一种基于运动合成的新方法。给出基于运动合成的小推力轨道机动表达方式,将小推力轨道运动分解成相对独立的三项:单独考虑日心引力的二体轨道运动,单独考虑小推力的运动,以及小推力的存在引起的日心引力摄动作用下的运动。分别给出各项运动的解析表达式,通过合成叠加得到小推力轨道的近似解析解。在此基础上,将小推力轨道优化问题转化成非线性规划问题,并利用序列二次规划方法求解。以小行星1989ML、火星和金星交会任务为例分别进行仿真实验,结果表明,所设计轨道满足任务约束,验证了该方法具有可用性和高效性。     

被“骗”的幸福

正用妻子宋珊的话来说,她是被丈夫苏忠毅"骗"过来的。2009年3月,经亲戚介绍,两个人订了婚。宋珊是个地地道道的小女生,还没与苏忠毅见过面,仅仅听说他是个当兵的,人比较踏实,而且部队驻地位于桃花岛,没多考虑就答应了。同年6月,两人便结了婚。苏忠毅当时刚到哨所任哨长,只有6个人的单位少了他就等于没了"主心骨",所以刚刚结婚没几天,苏忠毅就风尘仆仆赶回了部队。在哨所,苏忠毅总是报喜不报忧。每次打电话总是向妻子介绍驻地的美     

神经规则与案例融合的专家系统知识表示和推理

为了对专家系统中的知识进行表示,并使得推理变得更加准确高效,介绍了一种结合符号规则、神经网络和案例的方法。该方法是把一种混合规则,即神经规则和案例结合在一起。它与传统的基于符号规则推理不同的是,即使有一些未知的输入,也可以执行基于神经规则的推理。实验证明,与传统的专家系统比较,混合推理可以提高故障诊断的效率和精确度。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。