基于DMFT的空间目标微动特征提取

空间目标的高速轨道运动,会导致微动曲线的展宽和走动,将对后续的微动特征提取产生不利影响。针对这一问题,提出了一种基于离散匹配傅里叶变换(DMFT)的空间目标微动特征提取方法。首先分析了高速空间目标的信号回波模型;其次,根据回波信号的特点提出了一种基于DMFT的补偿参数估计的方法;最后,采用Hough变换提取了目标的微动特征。仿真实验验证了该方法的有效性和鲁棒性,结果表明微动特征的提取精度得到了明显提高。     

无风条件下军用装备定点投放的数学建模及仿真

以牛顿第二定律为基础,分析了降落伞和装备组成的伞物系统在空气中的受力情况,建立了无风、空气密度均匀条件下装备投放的微分方程模型.研究了装备在降落过程中的速度、迎角、降落时间、落地位置与飞机飞行高度、速度以及降落伞的关系,借助MATLAB软件求常系数微分方程模型的数值解,对装备的降落过程进行模拟仿真.利用仿真结果对实际装备的投放操作进行指导,可以达到更好的投放效果.     

基于变异离散粒子群的协同空战攻击决策算法

为了提高智能协同空战攻击决策算法性能,将变异策略引入到DPSO(Discrete Particle Swarm Optimization)协同空战攻击决策算法中,提出了一种新的基于变异离散粒子群(Mutation Discrete Particle Swarm Optimization,MDPSO)的协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。采用对比实验方法,基于准确性、可靠性和快速性等关键性能指标,分析比较了基于MDPSO协同空战攻击决策算法与多种智能决策算法,验证了基于MDPSO的协同空战攻击决策算法有着较好的综合性能。     

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。     

基于事件的系统可靠性参数仿真算法

介绍了可以用扩展可靠性框图表示的系统的可靠性参数的仿真算法。首先,对扩展可靠性框图进行了介绍,提出了利用树状结构来描述扩展可靠性框图的结构。其次,对基于扩展可靠性框图的系统行为进行了分析。然后,依据离散事件系统仿真思想,分别给出了计算可修系统可靠性参数的仿真算法与不可修系统可靠性参数的仿真算法。最后,给出了计算实例。该仿真算法不仅可以对状态独立系统进行可靠性参数计算,而且可以对具有冷储备关系以及冷储备嵌套关系的状态相关系统进行可靠性参数计算,具有很强的通用性与实用性。     

雷达信道

为了降低雷达系统的分析难度,简化对雷达系统的分析步骤,在基于对雷达特性分析的基础上以离散信道的分析方法来对雷达系统进行表征,进而将这一理论运用到雷达组网系统中,并进一步获知提高雷达系统性能的一些手段。     

状态机嵌入DEVS的组合建模方法研究

DEVS提供了模块化、层次化的系统建模和仿真执行框架,但是缺乏对于系统行为的抽象建模能力。状态图扩展了原有的FSM,通过可视化的、灵活的状态迁移图描述系统的复杂行为。提出将状态图嵌入DEVS的组合建模方法,互为补充,以建立复杂的离散控制系统。DEVS作为系统的建模框架并提供执行逻辑支持,状态图扩展DEVS的事件交互机制和时间推进机制,描述系统的行为逻辑。详细介绍了状态图和DEVS的语法语义,重点阐述状态图嵌入DEVS的实现机制。结合一个应用实例,说明嵌入状态图的DEVS用于建立离散控制系统模型的优势。     

滑块机构下高旋弹头的逆系统设计方法

建立了滑块机构下高旋弹的姿态方程,采用逆系统方法对非线性模型进行了解耦控制研究,得到了完整的状态方程,分析了基于逆系统理论解耦的可行性,推导出状态反馈后的a阶伪线性系统和内环控制算法,而后用极点配置原理设计了外环PID(Proportional Integral Derivative)控制律,形成了完整的闭环控制结构,...     

一类差分方程的三点边值问题的正解

研究了一类离散型三点边值问题:Δ2y(k-1) a(k)f(k,y(k))=0,k∈N={1,2,…,T},Δy(0)=0,y(T 1)=βy(l),式中:f是变号的,l∈N1={2,3,…,T-1},T∈{3,4,…}。应用双锥上的不动点定理,得到了至少存在两个正解的充分条件,并给出了上述边值问题的Green函数。     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．