火炮稳定系统动力学模型及系统稳定精度分析

根据运动载体上火炮运动的特点,建立了火炮稳定系统的动力学模型;叙述了直接稳定系统及间接稳定系统的特点;分析了系统在补偿载体摇摆时的稳定精度,提出了合理的设计方法.     

对战时组织民兵维稳的几点思考

维护社会稳定是民兵的优良传统和重要职责。着眼高技术战争中社会治安可能出现的情况和问题,积极组织民兵发挥熟悉社情民情的优势,配合国安、公安、武警维护社会治安,为国家和军队集中力量组织作战创造良好的社会环境,对夺取战争胜利具有重要意义。 一、民兵配合维稳行动的主要任务 高技术战争一旦爆发,敌在对我重要目标实施空袭的同时,很可能派遣特种部队,勾结黑社会、恐怖分子、民     

鱼雷纵向运动二次型稳定H∞控制

讨论了二次型稳定H∞鲁棒控制理论及其在鱼雷纵平面航行控制中的运用.用模型的参数摄动来描述鱼雷纵平面航行模型的建模误差,设计了基于状态反馈的H∞控制器,并对系统进行了分析和仿真.所设计的控制器在被控对象存在一定范围参数摄动的情况下,仍能使系统保持预期的性能.     

卫星导航信号无模糊抗多径码相关参考波形设计技术

针对目前卫星导航接收机码环多径抑制技术在二进制偏移副载波类信号下鉴别曲线可能出现多个稳定跟踪位置,导致接收机存在伪距测量的系统性误差的问题,提出最优鉴别曲线设计技术,采用奇异值优化的最小二乘方法,设计无多余跟踪点的本地码相关参考波形。从多径误差包络和跟踪精度两方面,对基于最优鉴别曲线的二进制偏移副载波信号码相关参考波形的设计性能进行验证评估。仿真结果表明：该方法可实现二进制偏移副载波信号在有限接收带宽下的无模糊鉴别曲线设计。以前端带宽为8.184 MHz时的BOC(1,1)信号为例,设计的码相关参考波形相比W2波形,多径误差包络面积增加了61.8%,而跟踪精度提高了4~5 dB。     

未知量测噪声分布下的CBMeMBer算法

针对目标跟踪过程中量测噪声概率分布等先验知识无法准确获取的问题,提出一种基于风险评估的势均衡多目标多伯努利(RE-CBMeMBer)滤波算法。采用CBMeMBer算法的序贯蒙特卡洛实现,在粒子预测后利用风险函数和评估函数计算粒子风险值,并用评估结果更新粒子权值。避免了计算似然函数且不依赖量测噪声的概率分布。仿真表明:与SMC-CBMeMBer算法相比,RE-CBMeMBer算法具有更好的实时性,特别是当量测噪声分布未知时,具有更高的跟踪精度和稳定性。     

防空伺服系统中新型数字化检测方法

防空伺服系统也被称为跟踪伺服系统,是防空火控系统的重要分系统。通过重要指标特性分析提出了防空伺服系统的5项重要指标,分别是:稳定精度、跟踪精度、最大跟踪角速度、最大跟踪角加速度和最小平稳速度。通过对重要指标的检测原理和传统检测方法的分析,得到传统检测方法的4点不足。针对这4点不足之处,从检测原理和检测方法两方面对新型数字化方法进行了研究。最后对传统检测方法和新型数字化检测方法的检测数据进行了比对。新型数字化检测方法的研究可为防空伺服系统的工程设计和工程应用提供参考。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。