油料保障作业动态工况仿真

以建模和数据集成为桥梁,运用流体力学和数值分析等学科的理论和方法,深入研究应用多泵并联变频调速技术实现飞机外场管道加油系统恒压供油的原理,分析在离心泵增压条件下该系统因同时加油口数量发生变化引起压力与流量变化的规律和特性,进而提出模拟系统中各种参数的控制量值,给出程序运行流程框图,从而构建外场油料保障模拟训练"中心"平台系统,实现油料保障全过程中岗位的协同模拟训练。研究结果能较好地解决目前油料专业训练中存在的训练装备设施不足、实装训练成本高、协同训练难以落实等问题,提高油料保障专业训练的质量和效益。     

基于效果的作战方案优化方法

针对实际作战中快速、正确的决策要求,在基于效果作战的概念下,采用面向实体的方法对作战方案进行建模,并提出基于DBN的评估网络作为方案优化的评估引擎,利用GA在评估结果中搜索得到最优的作战方案。最后以某登陆战役为实例验证了该方法的有效性。考虑了作战过程中的不确定因素,保证了优化后的方案能达到最佳效果的同时还具有较高的鲁棒性,为作战指挥员优选作战方案提供了科学依据。     

基于动态贝叶斯网的炮兵战斗效果评估建模仿真

依据炮兵火力作战的特点规律,分析炮兵战斗效果评估的内容、程序、建模过程和影响因素,运用动态Bayesian网建立炮兵战斗效果评估模型,运用主成分分析方法确定评估专家权重,运用Poly Tree的消息传递算法进行评估网络推理分析,最后结合案例仿真验证。结果表明,该研究解决了情报信息不确定性、模糊性和动态性等影响战斗效果精确评估问题。     

临近空间飞行器纵向逆控制系统设计

建立了临近空间飞行器无动力滑翔阶段的纵向运动模型,并应用动态逆方法推导了模型的逆系统.系统相对阶等于绕质心运动模型的系统阶数,实现了绕质心运动模型的线性化.为了克服纵向运动模型的隐动态和参数的不确定性,在内环动态逆控制器的基础上,设计了外环最优调节器.仿真结果表明:飞行器纵向逆控制系统可以准确跟踪俯仰角或攻角指令,并对参数不确定性和外界干扰具有较好的鲁棒性,具有工程适用性.     

逐步增加Ⅱ型截尾样本下k/N(G)系统可靠性指标的置信区间

在逐步增加Ⅰ型截尾样本下,研究k/N(G)系统可靠性指标的区间估计问题。假设部件寿命服从指数分布,利用极大似然法和Bayes方法,首先给出了部件失效率的Bayes近似置信区间,其次推导出了系统可靠度和平均寿命的Bayes近似置信区间的计算公式。最后给出随机模拟例子,并对置信区间的精度进行了讨论。     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战.建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型.针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO.针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则.实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性.     

高动态环境下BFSK信号的快速解调算法

提出了一种适用于高动态环境下,BFSK信号的快速解调算法。该算法基于FFT频率引导和改进的正交锁相环,利用FFT实现对接收信号的快速捕获,利用改进的正交锁相环对接收信号进行动态跟踪。仿真结果表明在高动态环境中该算法可以快速、准确解调BFSK信号。     

基于灰色理论的电子系统状态预测方法

电子系统的状态预测是利用其历史信息来实现系统未来状态和趋势的估计,以防止灾难性故障的发生,对于推动视情维修具有重要意义。针对典型模拟滤波电路,通过分析其关键测试信号的特点,研究了基于灰色理论的状态预测方法,并针对该预测模型的不足,设计粒子群算法选择最佳预测维数,设计新陈代谢法使该模型参数在线改变,从而建立符合电子系统信号特点的灰色预测模型。将该模型与ARAM模型比较,实验结果验证了该模型具有较好的状态预测精度和预测性能。     

指挥控制系统网络动态抗毁性

为研究指挥控制系统网络的动态抗毁性,建立了指挥控制系统的多Agent复杂网络抗毁性模型。在模型中,将系统中的每个作战单元看作一个具有自修复能力的Agent;在重点攻击和随机攻击的基础上提出了一种基于攻击力度指数的攻击策略;引入了网络整体效率,并在此基础上提出了一种网络动态抗毁性的度量方法。最后利用仿真的方法对指挥控制系统的抗毁性进行了研究,仿真结果表明网络节点的自修复能力对于网络保持其性能的时间的长短具有很大影响,对提高指挥与控制系统的抗毁性具有一定的参考价值。     

GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。