基于改进RSS测距的拉格朗日优化定位算法

为了降低基于接收信号强度(Received signal strength Index,RSS)测距误差对节点定位的影响,解决基于RSS测距定位误差较大的问题,提出了基于优化RSS测距的平方最小平方定位算法(Square-least Square localization algorithm based on improved RSS,SLS-I-RSS)。SLS-I-RSS算法先通过多组锚节点间的距离和接收功率作为参考,降低基于RSS测距误差,然后再建立定位优化问题,并将定位优化问题转成规则化信任区域子问题,最后,再利用拉格朗日优化算法求解优化问题。实验结果表明,提出的SLS-I-RSS算法能够有效地降低定位误差,比传统的基于RSS定位算法减少了约12%～20%,但算法复杂度略有增加。     

基于MOMEDA和IITD的滚动轴承微弱故障特征提取

为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,对采集的外圈故障轴承的振动信号用MOMEDA进行信号增强;然后,利用IITD分解得到一系列模态,并对分解得到的模态进行包络解调提取故障特征;最后,进行了故障模拟实验,实验结果表明了该方法的有效性。     

控制行政消耗性开支的五点建议

针对行政消耗性开支中存在的临时消费难管控、经费投入难节制、家底薄厚难把握等突出问题,应从加强综合制定预算目标、全程掌控预算走向、实时监督预算执行、加强审核把关强化财务监督和全面加强资产管理等方面控制行政消耗性开支,努力提高经费使用效益。     

基于鲁棒多元LS-SVM的齿轮箱故障诊断方法

多元LS-SVM算法可以直接用于多分类模式识别问题,通过对该算法的误差变量进行加权,消除了训练样本中异常值或非高斯噪声的影响,增强了多元LS-SVM算法的鲁棒性。然后,利用改进算法建立特征向量与故障模式之间的映射关系,得到齿轮箱故障诊断模型。仿真表明:与传统BP神经网络相比,鲁棒多元LS-SVM算法对齿轮箱的故障诊断的精度更高,抗干扰能力和鲁棒性更强,是一种在齿轮箱故障诊断中值得推广和采用的算法。     

对美军Link16数据链的干扰可行性分析与实现

详细研究了Link16数据链采用的扩频、差错控制编码等抗干扰技术及其对抗干扰性能的影响,在此基础上提出了干扰数据链工作的基本思路,建立了字差错概率条件下和消息差错概率条件下的干扰信道数分析模型并通过仿真得出了相应的最少干扰信道数量,最后提出了采用离散窄带噪声拦阻干扰的干扰方法和相关实施方案。     

基于战时弹药消耗及补给数据的弹药储备量控制方法

针对战时基于定点调拨的弹药储备与基于定期调拨的弹药储备中存在的断供与盲供问题,从弹药消耗及补给数据出发,围绕弹药消耗量、补给量与储备量之间的相互关系,以优化技术为手段,兼顾基于定点调拨弹药储备与基于定期调拨弹药储备的优点,通过寻求最佳弹药储备量和最佳弹药补给点的方法,实现了弹药储备量的优化控制,为今后的弹药储备控制方法研究提供了理论依据和参考。     

悬浮式深弹拦截线导＋声自导鱼雷作战模型研究

水面舰艇如何使用悬浮式深弹拦截线导＋声自导鱼雷是舰艇防御鱼雷的重要问题之一。通过利用模糊数学知识将鱼雷报警距离分为近、中、远三个模糊区域,建立鱼雷报警距离隶属函数关系,预估鱼雷目标航向、航速等运动要素,最后建立了舰艇使用悬浮式深弹拦截线导＋声自导鱼雷策略模型;采用蒙特卡洛法通过计算机仿真,得出了悬浮式深弹在不同参数条件下拦截线导＋声自导鱼雷的概率。结果表明：舰艇进行规避机动其拦截概率可达32％～60％。     

基于偏最小二乘特征提取的支持向量机回归算法

为了提高SVM的建模质量,简化建模难度,提出了PLS-SVM组合回归建模方法.该方法通过PLS对样本数据进行降维、去噪以及消除共线性处理后,再进行SVM回归建模.不仅保持了SVM良好的模型性能,而且使SVM具备特征提取功能.实验结果表明,该方法是可行的,采用此法构建的SVM模型,泛化性能优于没有特征提取的SVM.     

高炮随动系统性能测量算法

针对火炮调炮精度检测中存在的不足, 提出了一种基于双目立体视觉的三重交会测量方法,在炮身管上附加球状标志物,利用CCD摄像机获取标志物图像,通过标志物成像的几何投影关系计算球心的三维坐标.为了降低图像识别误差的影响,对投影的识别位置进行拓展和细化,并对球心投影边界进行插值,摄像机光心与插值点连线射线形成了一个锥体,两摄像机的锥体分别与炮台球面相交形成曲面,计算两曲面公共部分的形心,即为球心位置.通过确定球心位置,对炮身管的高低角、方位角进行计算,从而检测火炮调炮的性能.实验证明,该算法简单、快速,具有较高的精度.     

KPLS-SVM在缺失飞参数据估计中的应用

飞行参数的缺失给飞行事故调查工作带来了很大困难.将核的偏最小二乘法与支持向量机耦合,建立基于状态匹配的飞行参数估计模型可以较好地解决缺失飞参数据的估计问题.首先将初始输入映射到高维特征空间,进而利用偏最小二乘法在特征空间中提取对缺失飞参数据影响较强的得分向量, 最后将提取的得分向量作为输入建立支持向量机模型.既克服了输入变量间的相关性问题, 又降低了支持向量机的输入维数.仿真也说明了使用该方法估计缺失飞行参数的可行性和有效性.