基于现代项目管理理念的计量科研项目管理实践

本文基于现代项目管理基本理念,提出了计量科研项目管理的解决方案,介绍了计量科研项目的管理实践,侧重描述了项目计划与控制的方法。     

基于Windows CE．net的仪器控制和数据处理系统的开发

基于RS232协议的串行通讯在工业和分析测试仪器控制及数据传输中有着广泛的应用.目前,分析测试仪器对于所采集到的数据的处理过程随着分析对象日益复杂而变得复杂,而单片机的运算速度和开发进程已经不能完全满足仪器开发的需求.以基于Windows CE.net嵌入式操作系统的带有串口的PDA(Personal Digital Assistant)为平台,以Embedded Visual C 4.0(SP6)为工具,采用串行通讯、多线程技术,构建了针对系列测试仪器的仪器控制和数据处理系统.并对实现过程中的有关关键技术进行了探讨.该系统的开发成功使得下位机--单片机从复杂的数据处理中解脱出来,而仅完成仪器的数据采集和传输工作.这种方案的实现可以大大缩短仪器的开发周期并极大地提高仪器控制和数据处理的灵活性.     

加强预算执行管理的对策思考

新的预算制度实施以来,军队预算的分配、监督职能明显增强,但在预算执行过程中,仍然存在着"支出控制不严、分析预算不实"等问题。因此,应进一步完善和加强预算执行管理,全面落实考评制度。     

带三维落角约束的寻的导弹制导与姿控系统设计

针对带三维落角约束的寻的导弹制导与姿态控制系统设计问题,提出一种基于终端滑模控制和扩张状态观测器的六自由度制导控制系统设计方法。建立包含模型不确定项的寻的导弹六自由度质心与绕质心模型,设计内外双层环路六自由度制导控制系统框架;基于弹-目三维相对运动模型和坐标系转移矩阵建立以攻角和侧滑角为输入的三维全耦合导引方程,利用终端滑模控制方法和扩展状态观测器得到期望的攻角和侧滑角并将其转化为对应的俯仰、偏航和滚转角指令;根据线性形式的寻的导弹绕质心动力学方程,设计与俯仰、偏航和滚转角相关的滑模面向量,并利用终端滑模控制方法和扩张状态观测器得到寻的导弹的副翼偏角、方向舵偏角和俯仰舵偏角指令。六自由度数值仿真结果验证了该方法的有效性和鲁棒性,并证明了该制导控制系统设计方法能以较少的控制设计参数完成预设的制导控制任务。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

惯性平台自标定陀螺仪误差系数可观测度分析

针对惯性平台自标定陀螺仪误差系数的可观测度问题,从可观性定义角度出发,提出一种可观测度分析方法。利用状态量解析解表达式中观测量导数的最高阶数定义该状态量的可观测度。在此基础上,研究惯性平台自标定系统可观性与陀螺仪误差系数可观测度,分析系统可观测的状态量及其可观测度,得出陀螺仪本轴一次项误差系数可观测度最差的结论。仿真结果验证了该方法的正确性和有效性,为惯性平台自标定中施矩方案的设计提供了理论依据。     

一种新型军用电源智能充电机控制算法

军用电源充电机是一个多参数、时变的非线性系统,传统的PID控制算法难以在线调节达到优化充电曲线的目的。针对该问题,提出了一种基于模糊和免疫机理的自适应PID控制算法。该算法通过模糊免疫反馈机理对PID控制的比例系数进行实时调整,采用模糊自适应控制器对PID控制的微分、积分时间常数进行在线整定。仿真结果表明,该算法具有响应时间短、超调量小,鲁棒性强等特点,极大地改善了系统的适应能力,达到了优化充电曲线的目的。     

基于复杂网络的武器装备体系贡献度评估分析方法

根据结构决定功能的系统论观点,基于复杂网络理论对武器装备作战体系网络的拓扑结构进行了分析,构建了基于不确定性自信息量的武器装备作战体系作战效能分析模型,提出了计算武器装备体系贡献度的方法,并通过算例验证,探讨了网络结构演化及度量参数改变对武器装备体系贡献度的影响,为武器装备体系贡献度评估分析提供了技术支撑。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。