对核化威胁条件下部队“三防”训练的思考

白海湾战争后,战争样式发生了质的变化,电子战、信息战、数字化战争应运而生．局部战争、恐怖活动在世界的“热点”地区亦呈加剧趋势。就我国而言,周边地区局势动荡不安,印巴核化竞赛与扩散越演越烈,还面临着台湾问题以及与周边国家的领土争端,霸权主义和某些超级大国始终没有放松对我国的主权干涉．美国正在积极部署国家导弹防御系统。俄罗斯始终没有放弃首先使用核武器的承诺,     

基于FSO的星地协作系统中断概率的性能分析

针对卫星信道的衰落特性和阴影效应,分析了基于自由空间光(Free-Space Optical,FSO)通信的星地协作系统的中断概率性能.在卫星至无人机(Unmanned Aerial Vehicle,UAV)间采用RF信道,并采用解码-转发(De-code-and-Forward,DF)模式;在无人机至目的节点(地面用...     

航母编队防空哨舰阵位配置方法仿真研究

针对航母编队内防空哨舰的阵位配置问题,首先根据防空哨舰的作战任务,提出了防空哨舰阵位配置基本原则,给出了防空哨舰阵位配置模型及模型中主要要素的计算方法,包括防空哨舰的有效作战半径、有效对空防御扇面角、预警距离、前出距离、前出方位;然后,分多种情况讨论了编队内防空哨舰阵位的配置方法,并完成仿真软件设计;最后,通过实例进行仿真计算,给出了不同条件下防空哨舰的阵位配置方案,并验证了模型中各要素对防空哨舰阵位配置的影响。结果表明:该方法可以快速确定航母编队中防空哨舰的最优部署阵位,具有较强的实用性,为航母编队防空哨舰的阵位配置提供了参考依据。     

零压式高空气球球形设计与参数敏感性分析

高空气球能够为临近空间科学实验提供可靠的平台,其形状直接关系到气球制作及飞行的全过程。提出将多段打靶法与序列二次规划法结合,对零压气球完全膨胀和部分膨胀状态下的球形进行求解,并运用有限元方法对球形进行稳定性及应力应变分析,验证了所推导球形的正确性。在此基础上,对影响气球形状的关键参数进行灵敏度分析及相关运用,从定量的角度得到气球载荷、飞行高度及昼夜温差对气球形状的影响规律。     

准零风层新型临近空间浮空器区域驻留性能

以基于平流层底部的准零风层风场进行区域驻留的新型临近空间浮空器为研究对象,介绍了其工作原理和系统组成。通过建立动力学模型、高度调控模型和能源模型,分析浮空器在基于飞行速度约束和基于南北范围约束两种工作模式下的区域驻留能力,并讨论浮空器在这两种工作模式下的动态能源特性。对长沙地区风场环境的研究结果表明,相对于无控自由飞行状态,浮空器在两种工作模式下均可实现100 km直径范围的长时驻留,基于飞行速度约束工作模式对能量的消耗更低。     

目次

为改善等离子体合成射流激励器在稀薄空气环境中的控制效果,增强其临近空间环境适应性,开展了腔体增压条件下激励器工作特性的研究。建立了腔体增压效果理论分析模型,计算结果表明:采用高压气源供气可以较好地提升激励器腔体气压,并且腔体气压对高压气源气压具有较好的跟随性,从而为射流强度调节提供了一种新的方式。搭建了腔体增压等离子体合成射流激励器实验系统,开展了腔体增压压力和射流流场特性测量,实验测量结果与计算结果吻合良好,误差小于2.6%。高速纹影观测显示:在腔体增压作用下,激励器控制力得到显著改善,射流锋面峰值速度由256 m/s提升至507 m/s。     

基于FDBN的空中目标威胁评估方法

为了更好地处理各类探测数据中的模糊性和不确定性,通过模糊化方法将威胁评估动态贝叶斯网络局部进行模糊化处理,处理后的动态威胁值进行解模糊的方法转化为概率域的知识,这样不仅简化了网络结构,同时结合模糊理论的知识表达能力和DBN的强推理能力。最后将相应观测证据输入到简化后的DBN网络中,相应仿真研究表明,该方法能有效地对空中目标威胁度进行实时评估。     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集;以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征;输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。