对于机动目标的真比例导航

我们根据分析得到对付智能机动目标的真比例导航(TPN)导弹制导法则的捕获区。考虑两种TPN方案。第一种是原始的TPN,假设指令制导的侧向加速度只与瞄准线(LOS)速率成正比,比例因子是一个任意常数或仅仅依赖于初始接近速度。另一种叫作RTPN(现实的TPN),它假设控制的侧向加速度与LOS速率成正比,并且也与当前接近速度成正比。假设目标以增加LOS速率的方式机动并因此与取消LOS速率的比例导航(PN)基本原理正好相反。为原始TPN导出了捕获的必要和充分条件,并利用这种条件获得了精确的捕获区。为RTPN导出了捕获的充分条件并用来得到它的部分捕获区。对于RTPN也导出了捕获的某些必要条件并且用来得到它的最大捕获区。利用这些条件,给出现有捕获区的某些重要结果和TPN法则的捕获可能性比较研究。     

对于机动声源的纯方位跟踪

经典的纯方位目标运动分析(TMA)只限于具有常运动参数(通常是位置和速度)的声源。然而,大多数感兴趣的声源具有机动能力,这就降低了经典TMA的性能。在被动声呐范围内,声源—观察者之间长时间的遭遇是现实的,因此,声源机动的可能性对于声源和基阵基线可能是重要的。这就值得对包括声源机动不确定性的整个声源轨迹进行研究和建模。基于这个目的,一种简便的柜架就是隐马尔可夫模型(HMM),其基本思想由状态空间的两级离散化构成。由于速度转移的概率直接与声源机动能力有关,从而使位置转移的概率减小。 声源状态序列估计是通过经典动态规划(DP)实现的,这个方法不要求关于声源机动的任何先验信息。但是,声源机动的随机性质对于观察者机动的最优化起主要作用。这个问题通过使用马尔可夫决策过程(MDP)的一般框架解决。     

基于高阶滑模微分器的增广比例导引律

导引律的设计在导弹制导与控制中具有重要作用,为了解决增广比例导引中导弹-目标视线角速度和视线角加速度不易获得的问题,设计了一种基于高阶滑模微分器的增广比例导引律。首先,根据高阶滑模微分器的数学模型建立视线角速度和视线角加速度的估计模型;其次,根据视线角速度和视线角加速度的估计值,利用一种光滑无抖阵滑模微分器构造增广比例导引律。最后,通过仿真验证表明,具有滑模微分器结构的增广比例导引律导引性能良好。     

对征集高文化素质兵员的几点思考

征集高文化素质兵员,是提高兵员质量,提升部队战斗力的重要举措,是直接关系到部队现代化建设和能否“打得赢”的大问题。当前征集高文化素质兵员,客观上面临着不容乐观的形势:一是高校扩招的人数逐年递增,致使高文化适龄青年可征集基数逐年减少;二是优惠政策相对滞后,高文化适龄青年应征积极性有所降低;三是身体素质差异,高文化适龄青年淘汰率较     

基于改进兰彻斯特平方律的空战进程预测研究

在战斗进程预测方面,兰彻斯特方程起着重要作用。分析了兰彻斯特平方律模型,得出了战役优势参数和参战双方战斗单位数量的关系;在考虑预警机支援的情况下,分别对兰彻斯特平方律和多元兰彻斯特平方律模型进行了改进,并得出了相应的改进后的战役优势参数形式;最后将改进后的模型分别应用于单一机型和多种机型参战的空战进程预测,仿真结果表明,预警机是取得战役优势的关键因素。     

空对地导弹的变结构三维导引律(英文)

推导了空对地导弹的三维导引律模型,并设计了针对机动目标的变结构导引律,分析了其制导特性.设计的导引律由于需要的目标信息少,可以便利地应用于实际工程中,数字仿真结果证实了设计的导引律的可行性.     

反映作战协同的兵力损耗微分方程

基于现代战争作战体系对抗中作战单位损耗相关性,在兰彻斯特平方律基础上引入协同系数概念,加入相关性指标.建立了反映作战协同的兵力损耗微分方程.以作战双方各有两个作战单位参战的具体模型为例进行分析,给出了随战斗时间演变的作战双方兵力变化值,绘出了相应兵力损耗曲线.分析结果表明,在作战双方初始战斗力不等的情况下,协同水平的高低有可能成为决定战斗结果的关键因素.该兵力损耗模型对于研究现代协同作战具有一定意义.     

多方位-初距法解纯方位系统估值问题的优选算法

对纯方位系统估值问题,本文给出了两个优选算法。     

基于MPSP算法的炮弹分段气动参数辨识

针对炮弹的气动参数辨识问题,提出了一种创新的辨识方法。受到常用于带有终端约束制导律设计的MPSP(模型预测静态规划)算法启发,将其运用在炮弹的气动辨识领域。以弹体纵向平面的质心动力学模型作为辨识模型,以炮弹速度、位置等飞行外弹道数据作为模型状态量,创新地将升力系数与阻力系数视作制导律中的“控制量”,基于MPSP算法在辨识步长内进行“制导”,使得预测的终端状态量满足实际外弹道状态量“终端约束”,从而得到“控制指令”(即待辨识参数)。以某型155 mm制导炮弹为背景,使用Matlab编制辨识算法程序对给定弹道数据的升阻力系数进行了辨识。辨识结果显示：当初始气动参数存在30%误差时,辨识算法平均可在170 ms内收敛至真值附近,辨识误差在2%以内。