利用径向力平衡飞行控制的航天器高精度轨道捕获方法

为实现对探测器轨道形状与高度的精准调整,提出一种径向力平衡飞行的航天器连续推力控制新方法。建立连续推力平衡飞行的动力学极坐标模型,并推导出特殊条件下的解析轨道解,进一步分析边值条件,给出连续推力的控制律。利用这一平衡飞行控制理论,构建轨道捕获的最优控制策略。考虑推力器的推力水平,通过一次或多次的控制过程,实现对轨道形状、轨道高度及轨道相位的综合调整。数值仿真表明:利用平衡飞行的轨道控制方法,配置微小推力器的空间引力波探测器可以实现高精度的轨道捕获;该方法具有控制过程可解析、计算量小、简便、实用等特点。     

庙宇、庙会与戏台：中共创造的“抗战空间”——基于黎城县乡村庙宇的田野调查

全国抗战时期,中共依托敌后根据地的乡村庙宇进行了艰苦卓绝的斗争,特别是对于有着“无庙不成村”的山西来说,乡村庙宇成为了中共抗战空间的重要组成部分。基于该省黎城县乡村庙宇的田野调查,可知中共对乡村庙宇进行了多元利用,创造出了以抗战为目的的政治活动、文教活动、军事活动、后勤保障等空间类型。而相较于庙宇这一固定抗战空间,由其辐射衍生的庙会与戏台,也是中共用来影响并改造民众生活、宣传动员民众抗战的重要阵地,成为流动的抗战空间。它们有力地推动了敌后抗战的胜利。深入理解抗战空间与抗日战争之间的关系,不仅是抗战史研究的题中之义,更是深化抗战史研究的重要路径。     

一种新的机动目标模型及其自适应跟踪算法

针对机动目标跟踪问题,在截断正态概率密度模型的基础上,通过目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应调整,提出了一种新的自适应滤波算法——基于截断正态概率密度模型修正的自适应滤波算法。计算机仿真结果表明,该算法在跟踪机动目标时,具有良好的跟踪性能,并极大地改善了跟踪非机动目标的能力。     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

改进的AHP法在目标价值排序中的应用

针对在应用AHP法时,传统的标度法可能导致判断矩阵一致性与思维一致性脱节,进而破坏层次分析法的优选排序功能的问题。首先分析了传统的1～9标度的不足,然后通过引入指数(0,2)标度,建立了满足一致性要求的判断矩阵,改进了层次分析法。最后将改进的AHP法应用于战场炮兵的主要攻击目标价值排序的评估,进一步提高了评估的准确性。     

基于D-S证据理论的炮兵战场目标价值分析

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

面向体系的目标选择形式化描述及分析

针对信息化条件下各类目标相互作用反制作战能力倍增的特点,进行面向体系目标选择的相关问题分析。通过分析目标体系的概念和层次结构,建立目标选择的概念模型,并进行目标选择的形式化描述与分析,提供了一种研究军事概念模型的思路和方法,有助于目标选择决策支持系统的开发与验证。     

部队级计量技术机构的质量管理体系构建

根据2020年12月新修订的《军队计量条例》,部队级计量技术机构是军队的基层计量部门,建立和保持质量管理体系对提高计量部门的量值传递质量具有重要意义。本文首先针对部队级计量技术机构质量管理体系难以有效构建的实际,面向部队单位,基于质量管理体系四要素构建本地化质量管理体系;其次,对照军事计量技术机构考核要求,对机构的公正性、组织架构、主要过程、质量方针和质量目标等进行了分析策划,并遵照本地化原则,设计了体系文件结构及一套便于推广应用的样例;最后,为保证体系的持续有效运行,提出相关对策建议,如部队级计量技术机构要聚焦部队作战训练任务、始终关注服务保障对象的需求以及充分发挥领导作用等。     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.