信息化条件下维修保障系统的基元模型及其动力学特性

信息化条件下维修保障系统是由分散的维修保障节点所构成的网络化系统,其节点规模与节点间连接关系决定了维修保障系统的效能,因而维修系统具有典型的网络效应特性.为测度维修保障系统的网络效应这一动力学特性,从维修系统基本构成要素出发引入基元模型的概念,建立了与现有维修保障策略相对应的维修保障系统的最小网络表示,定义了网络效应的计算公式,并从连接增长与节点增长两个方面研究了维修保障系统的结构效应和演化效应.初步的计算结果表明,该方法能较好地测度不同维修保障系统的效能,从而可用于指导维修保障信息化建设的布局和研究信息化条件下维修保障系统的运作规律.     

基于虚拟样机的坦克承载零部件疲劳寿命预测方法

坦克承载零部件的疲劳失效是其主要的失效形式,疲劳寿命的预测一直是装备设计、研制、验证和使用过程中的重要问题之一。利用虚拟样机技术,建立履带车辆刚柔体耦合模型,通过在一定任务剖面下车辆虚拟试验,测试其承载零件的载荷谱,结合疲劳寿命分析技术,进行疲劳寿命预测,并给出计算实例,预测的寿命与实际使用情况相符合,表明提出的坦克承载件疲劳寿命预测方法是一种高效、实用的新方法。     

一种可调控的申请分配模型及应用

针对分配总量一定情况下的申请分配问题,给出了一种带有决策者意愿的分配模型;讨论了模型中各参数的取值范围,得出了使得模型有意义的参数取值范围;给出了具体的应用案例,通过选取不同的参数得出了不同结果,说明了模型的有效性。     

一种新的近似优化方法——变复杂度优化

随着仿真技术的发展,基于仿真的优化在工程、军事等领域越来越占据突出的地位。随着高逼真度仿真模型的大量使用,仿真优化计算的时间复杂度成倍增长,使得采用传统的优化技术无法取得令人满意的效率。提出了一种基于近似模型的变复杂度优化方法,它通过标度函数保证优化的收敛性,通过信赖域方法保证优化在有效的范围内进行。数值算例表明这种算法能有效降低对于高复杂度模型的调用次数,达到降低仿真优化计算复杂度的目的。     

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。     

基于离散降雨衰耗状态的卫星信道模型

针对Ka频段卫星信道中降雨衰耗的统计分布特点,建立了基于离散降雨衰耗状态的卫星信道模型,模型中各状态组成离散的Markov链并由其转移概率矩阵来表示,分析此模型下的信道误比特性能和数据包丢失性能。此模型能够适用于链路层以及高层通信协议。     

基于SD的常规导弹作战体系结构优化分析

联合作战样式下,常规导弹作战体系对抗不仅包含反导系统与常规导弹的拦截与反拦截,还包括阵地防卫、电子对抗等一系列新的对抗作战样式,因此它是非常复杂的系统。用系统动力学方法对常规导弹作战体系对抗进行初步建模和仿真,为常规导弹作战体系结构优化提供一定的依据,并在仿真结果分析的基础上,定性地提出常规导弹作战体系对抗作战体系建设的目标和重点。     

基于随机时间的导弹机动路径规划研究

根据导弹作战机动过程各路段机动时间随机性特点,运用随机规划理论建立了导弹机动任务规划的数学模型,设计了遗传算法求解策略,实现了在一定时间内合理地规划机动路线的任务,并通过算例作了说明。该方法可用于导弹机动路径选择,为导弹作战机动计划的制定提供决策依据。     

空间飞网系统牵拉模式影响研究

针对空间飞网系统任务设计需求,研究飞网牵拉模式对系统展开性能的影响。建立空间飞网系统拉出展开过程动力学模型,并通过地面试验对比验证了模型的有效性。面向任务需求建立空间飞网系统评价指标,针对四、六点牵拉模式,采用有限绳段方法对飞网系统进行建模仿真。模型中保持绳网质量和初始发射能量一致,对评价指标的分析结果表明,在六点牵拉模式下,飞网系统飞行性能指标和力学性能指标有明显提高,但能量利用率和系统可靠性小幅下降。     

双天线干涉SAR系统无控制点场景的高精度参考相位快速估计算法

为解决无控制点场景参考相位的快速估计问题,对影响参考相位的因素进行理论分析,给出参考相位与影响因素的解析关系式。结合系统参数进行仿真分析,分析参考相位对高程误差的影响。根据分析结果,结合外部粗精度高程数据、滤波后的干涉相位及相干系数,提出高精度参考相位快速估计算法,并给出算法详细实现流程。对实际机载双天线干涉合成孔径雷达系统获取的数据进行处理,结果表明:算法在文中的系统参数下可以达到优于2 m的相对高程精度,处理4096×6560像素的数据块时,参考相位估计速度至少增大20倍。