单矢量水听器水中多目标方位跟踪方法

采用量子粒子群求解声压和质点振速组成的非线性相关方程组,实现多目标声源方位的估计。为提高精度,应用最小二乘法对测量结果进行拟合并建立预测模型,通过卡尔曼滤波对方位轨迹进行优化。结果表明:单矢量水听器能够同时分辨多个目标方位,解算结果应使用统计特性表示;采用本方法最多能分辨7个目标,目标个数越多,方位误差越大;信噪比越高,分辨率和精度越高,偏差越小;通过数据拟合然后卡尔曼滤波的方法能够有效提高目标方位跟踪精度。     

改进的导弹半实物仿真跟踪微分器设计

为了抑制三轴转台输出信号存在相位延迟和噪声对导弹半实物仿真系统性能的影响,研究并设计了一种改进的跟踪微分器进行相位补偿和滤波。基于传统跟踪微分器的工作原理,设计三轴转台输出信号跟踪的基本结构,分析其在输入信号存在噪声时,由于经过传统的跟踪微分器获取微分信号使得噪声强度放大,致使跟踪信号存在振荡的现象。在此基础上,提出一种将微分跟踪器产生的微分信号再串联一个跟踪微分器的相位超前补偿器设计方法,以滤除由于输入信号噪声引起的信号污染,进而消除输出信号的振荡问题。以某导弹半实物仿真系统三轴转台输出信号存在相位延迟和噪声的现象为算例,通过与超前校正方法对比研究,进行了系统仿真验证。仿真结果表明,改进相位超前补偿器能有效地提取姿态角速度信号,具有良好的滤波和相位超前补偿性能,进而证明了其在导弹半实物仿真试验应用的正确性和有效性。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

粒子群算法用于阵元失效校正北大核心

相控阵天线由成百上千的阵元组成,以其独特的优势迅速发展。在实际应用中,由于各种原因会出现阵元失效的情况。严重的影响相控阵天线的使用。由于相控阵天线幅相可控的特殊性,可运用幅相调控的方法对失效阵元造成的损失进行校正。运用粒子群算法对失效后的阵面进行优化,寻找最优解使失效后的阵面达到一个较好的状态,使阵元失效后的阵面天线能降低性能投入使用。     

信息融合系统中的态势预测技术

态势预测主要解决态势间断后如何更新态势以及态势推断问题。根据战场上兵力都是按一定的规则部署和聚集的特点 ,采用群技术将整个战场态势划分成多个态势元素 ,同时结合模板技术和军事专家建议 ,利用战争前和战争期间所获得的各类信息 ,对战场态势进行预测     

防空兵群服务概率的仿真分析

本文采用计算机仿真的方法计算防空兵群的服务概率 ,建立了防空兵群服务概率仿真的数学模型 ,用面向事件的仿真时钟推进方式 ,对防空兵群服务系统的服务过程进行了仿真 ,得出了防空兵群服务系统对给定强度空袭目标流的服务概率 ,对指导防空作战决策和相关理论研究具有一定的参考价值。     

基于粒子群算法的武器装备供应链伙伴选择研究

合作伙伴选择是构建供应链的关键所在,武器装备供应链的构建要满足其战略全局最优、平时战时兼容、效益效率兼备的特殊要求。建立了一种基于离散粒子群算法的武器装备供应链伙伴选择方法。该方法克服了普通商品供应链对全局利益考虑不足的问题,实现了在不同战略时期、不同约束条件和不同成本考虑等情况下的供应链伙伴选择。实例仿真验证了该方法的实用性和有效性。     

基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法

针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题,提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构,保留原始数据信息的同时包含了时间相关性;采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证,试验结果表明,该方法可自适应生成网络结构,平均诊断精度为99%,相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。     

基于Cook-Seiford群决策算法的多机协同空战机动决策

面向多机协同空战条件下的机动决策问题,建立了三自由度战机模型,并根据空战时飞行员的实际操纵,设计出一种拓展的基本机动动作决策集。通过构造角度、速度、距离和高度优势函数建立空战态势评估模型。基于群决策理论,设计了Cook-Seiford决策算法,并首次将其应用于多机协同空战机动决策研究,有效优化了决策流程。在初始态势劣势情况下,以2对2、3对2等典型空战条件为仿真背景,将Cook-Seiford群决策算法与Copeland、Dodgson群决策算法进行对抗空战仿真。仿真结果表明,基于Cook-Seiford群决策算法的协同机动决策能够取得明显对抗优势,验证了本文设计算法的有效性,为将群决策算法用于求解多机协同空战决策提供了一种新的思路。     

组网雷达协同干扰资源分配模型及算法

针对多干扰机协同作战(Multi-Jammers Cooperative Combat,MCC)问题,研究如何在干扰资源有限的情况下对其进行充分的利用,从而获得最优的干扰收益。将雷达的威胁等级和几何精度因子(GDOP)结合作为目标函数,建立以干扰机时间利用率为约束条件的MCC问题优化模型。运用熵权法计算雷达脉宽、带宽、载频和重频的权重,并根据灰色关联相对贴近度确定雷达的威胁等级,采用离散的粒子群算法对模型进行求解。通过MATLAB仿真表明,该算法可以快速找到目标函数的最优解,得到最佳的分配方案,通过对结果的分析,进一步验证该算法的有效性和模型的可行性。