地面慢速移动目标轨迹预测方法

在预测期较长的情况下,不确定因素将增加,对地面慢速移动目标轨迹预测的结果可能偏差较大.为了检验和提高预测结果的准确度,克服单一预测模型的不足,提出了一种改进灰色预测模型结合轨迹点转移概率的综合预测方法.通过引入缓变因子,并对原始数据进行自然指数变换,改进的灰色GM(1,1)模型能够控制其发展系数,提高灰色预测模型本身的精度.为了进一步检验预测结果,利用当前统计模型和分段整合的思想,并采用目标加速度截断正态概率密度模型,建立了轨迹点转移概率分布模型.仿真结果表明,该方法能够达到提高和保证预测精度的目的.     

武器系统综合能力的AHP群决策评价

武器系统综合能力的评价属于一类多目标决策问题,特别是有多人组成的决策者群参与时,问题就成为多目标群决策问题,此时,不仅要计算综合指标权重,还要确定决策者的权重.指标权重的计算方法较多,而决策者的权重往往是根据其知名度、职位、能力水平及对问题的熟悉程度来确定的,具有一定的主观性.通过分析判断矩阵群的一致性和相似性,来获取决策者的权重,并将之应用于对指标权重的综合,该方法在某武器系统综合能力的评价中的应用表明,其科学有效.     

海军装备修理目标价格测算方法研究

海军装备修理目标价格的确定是海军装备价格管理工作的重点。为准确测算装备修理目标价格,根据核方法的特性和应用优势以及装备修理目标价格中的非线性特征,可以采用核主成分回归法,用粒子群优化算法确定模型优化参数,用MSE和MAPE评价优化模型的预测效果。与目前常用的几种方法相比,运用核主成分回归法,模型的测算精度可以得到进一步提高。     

自组织协同控制研究进展

群机器人利用自组织机制能够完成比较复杂困难的协同任务,相比于单机器人更有效。自组织机制策略具有良好的鲁棒性、适应性、可靠性。首先介绍自组织的定义和运行机制,然后总结了近年来自组织控制的实现方法并总结归纳了不同方法的优缺点,最后展望了自组织控制未来的研究方向。     

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题.在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析.结合免疫算法的“亲和度”思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法.案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题.     

晶体宏观对称性及热力学对称性对物理性质的影响

本文论述了晶体宏观对称性及内部热力学对称性对物理性质的影响,从而使物理性质张量的独立分量数目大为减少。文中还介绍了群表示论在此领域的应用,这将给从事材料研究的工作者带来很大方便。     

基于改进QPSO-NN的冗余机械臂逆运动学算法

针对某种冗余机械臂逆运动学求解的问题,提出了一种基于改进量子粒子群神经网络的求解算法。以冗余机械臂末端位姿为输入,经神经网络求得其逆解;针对神经网络输出结果误差较大的问题,把神经网络求初值加入初始化的粒子群中,通过基于Metropolis准则改进量子粒子群算法,避免了量子粒子群算法的早熟现象;以关节坐标经正向运动学求得的末端位姿和期望位姿的误差为适应度函数,对机械臂关节坐标迭代寻优。仿真结果表明该方法结合了神经网络算法的快速性和改进量子粒子群算法的精确性,满足求冗余机械臂逆运动学问题的速度和精度要求。     

基于免疫粒子群文化算法的数字电路故障诊断

为改善粒子群算法摆脱局部极值点的能力,提升种群进化的多样性,将免疫算法中免疫机制引入到粒子群算法中形成免疫粒子群算法;为有效提高故障覆盖率和缩短测试生成时间,将免疫粒子群算法引入文化算法框架中形成免疫粒子群的文化算法。将其应用于数字电路故障模型仿真实验并与其他测试生成算法进行对比,结果表明该算法能够有效提高故障覆盖率,缩短测试生成时间,在大规模电路测试生成与故障诊断中更具优势。     

基于GAHP和熵法的虚拟训练综合评价

针对武器装备虚拟训练中评价一次操作数据无法客观反映受评者真实水平问题,提出了基于灰色层次分析和熵理论的虚拟训练评价方法。在获取每名受评者操作数据样本的前提下,通过灰色层次分析,确定指标层次和初始权重,利用灰色评估方法确定相应指标的灰类,对灰数归一化加权得到每个指标的评分,并确定综合总评分;引入不稳定因子,借助熵法确定受评者每个指标的不稳定性。最后,通过实例验证了方法的有效性,并根据不稳定因子和各指标评分向受评者提供了后续训练提升的建议。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。