装备集群预防性维修计划的粒子群仿真优化

针对同类装备构成的集群预防性维修计划问题,综合考虑了装备的使用和维修过程,分析了装备动用与维修计划之间的相互关系,刻画了装备使用和维修的触发机制,提出了一个包含离散事件仿真和粒子群优化算法的混合模型,并描述了模型的结构和数学表示。该模型基于离散事件仿真对给定的预防性维修计划进行评估,并以该评估值为基础利用粒子群演化进行优化,从而通过多次迭代进化可逐步逼近可能的全局优化结果。由于模型中考虑了装备使用过程中的不确定性,并且粒子群优化可从任意初始值开始,因而可用作维修系统效能评估以及维修方案优化的决策工具。     

空间军事系统综合集成研讨厅中群决策优化模型

空间军事系统综合集成研讨厅是研究空间军事系统这类复杂巨系统问题的一种有效组织形式,群决策是它研究问题的主要手段.结合粒子群算法提出了一种群决策优化模型,通过对专家间的不一致意见的处理,来寻找问题最优解,以解决研讨厅中专家思维收敛问题.     

多速率交互式多模型粒子滤波研究

由于粒子滤波的算法原理,其计算量很大.研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法.该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一搬基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性.     

基于极坐标的稳定UKF单站无源目标跟踪算法研究

单站无源目标跟踪系统中存在着可观测性弱、初始误差大的问题,目标跟踪算法的稳定性和快速收敛性显得尤为重要.结合利用空频域信息的单站无源目标跟踪系统的特点,提出了一种稳定的改进UKF算法,采用一组新的状态变量替代了原有状态变量,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,明显改善了目标跟踪算法的稳定性和收敛性.增加二次采样过程,取代了传统UKF算法的状态变量扩展,降低了算法的计算量,实现更容易.与现有的单站元源目标跟踪算法(如EKF、UKF)相比,算法具有稳定性好、收敛速度快、跟踪误差小的特点,是一种稳定的单站无源目标跟踪算法.数值仿真结果表明了算法的正确性和有效性.     

基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.     

受符号调制的m序列旁瓣特性研究

m序列因其优良的二值自相关特性而广泛应用于雷达和通信系统中。存在符号调制时 ,m序列匹配接收的旁瓣特性不再具有二值性。研究表明 :对于生成多项式相同的m序列 ,当移位寄存器的初始状态不同时 ,其符号调制下的旁瓣特性存在明显差异。选择合适的初始状态 ,可以得到较高的主旁瓣比。采用旁瓣抑制滤波器可以进一步显著提升主旁瓣比     

舰炮火控中滤波和预测的新思路

通过对现有火控中应用的滤波和预测方法的剖析和对火控输入信号及噪音的分析 ,提出了一种新的滤波和预测原理——闭环跟踪滤波原理。采用随动系统原理、误差相消原理和自适应控制原理相结合的方法 ,适合一次或二次运动的目标和噪音频谱大于目标运动频谱 10倍频程以上的情况 ,并能获得既快又精确的目标现在点参数和未来点位置值。     

一种改进的机动辐射源单站无源跟踪变维滤波算法

针对机动辐射源的单站无源跟踪问题,提出了一种利用多普勒频率变化率和角度测量,结合匀速(CV)模型和Singer模型对机动辐射源进行跟踪的改进变维滤波(VDF)自适应算法.在该方法中引入了模型最短生存期概念,即利用模型最短生存期和机动检测结果联合控制VDF模型切换,改善VDF的滤波性能.对改进VDF方法和交互多模型(IMM)方法进行了仿真比较,结果表明,改进VDF方法减小了运算量,能够得到与IMM方法相当甚至更好的跟踪效果.     

激光陀螺漂移测试数据的处理与分析

根据获得的激光陀螺漂移测试数据,利用时间序列分析的方法对漂移数据进行了建模,得到了漂移数据的时间序列模型;在此基础上用Kalman滤波的方法对数据进行了处理;从时域和频域两方面对滤波结果进行了分析.结果表明,采用的建模和滤波方法能有效提高陀螺的精度.     

基于截断正态概率模型的模糊自适应跟踪算法

当前统计模型和截断正态慨率模型都需要预先设计目标最大机动加速度,不能适应各种机动情况.在截断正态概率加速度模型的基础上,提出了一种基于截断正态概率模型的模糊自适应算法.该算法使系统状态噪声方差随着机动特性能够自适应调整,自适应各种机动情况.仿真结果表明,该算法在跟踪精度和收敛速度都优于传统的基于"当前"统计模型和截断正态概率模型的跟踪算法.