基于随机Petri网的装备抢救抢修保障模型

通过建立一个基本的装备抢救抢修Petri网模型,把Petri网建模思想引入战时装备抢救抢修保障模型中,将实际系统中的实体和活动映射为模型系统中的库所和变迁,将装备抢救抢修保障排队论模型用随机Petri网进行描述。构建了一个完整的装甲团装备抢救抢修随机Petri网模型,利用软件包SPNP6.0对其进行模拟运行,通过对模型仿真数据的分析为装备保障的方案制定提供决策依据。     

光纤陀螺随机漂移的ARMA模型

分析了传统时间序列分析法建立ARMA模型的不足,提出了一种利用模型阶数判断准则和长自回归法建模的新方法。对数据进行了预处理和模型识别,比较了不同模型阶数判断准则的特点,研究了用长自回归法估计模型参数的步骤和方法。最后对光纤陀螺随机漂移进行了建模实验,通过对模型残差的白噪声检验,证实了使用新方法建立的ARMA模型具有很好的适用性。     

电子装备随机存储器通用测试算法

随机存储器在电子装备中广泛使用,对其进行有效测试是电子装备自测试与生产功能测试的主要内容。以走一测试算法为基础,设计了数据线、地址线与存储单元测试方法,可以有效检测各种类型的RAM焊接质量与器件质量,对于提高故障定位精度和减少产品的测试时间起重要作用,特别是在电子装备的自测试、生产测试和维护测试中具有很好的应用前景。     

脉冲等离子体推力器工作过程一维磁流体动力学数值模拟

通过耦合脉冲等离子体推力器(PPT)工作过程中电场、磁场、流场之间的相互作用,描述了电容器放电、推进剂烧蚀、等离子体加速流动等过程,建立了基于磁流体动力学(MHD)的一维非定常数学模型,对PPT的工作过程进行数值模拟。对数值模拟结果作了相应分析,并将部分模拟结果与实验数据进行了比较。结果表明,模型正确反映了推力器放电过程、推进剂烧蚀质量与表面温度的变化趋势。     

防御矩阵满足乘法交换律的证明

在使用马尔柯夫链分析多层防御系统的防御效用值时,发现防御矩阵是否满足乘法交换律将关系到多层防御系统变换部署后的防御效用值,因此有必要对防御矩阵是否满足乘法交换律进行证明。首先介绍了防御矩阵的概念、物理意义、重要性质及计算方法,分析了防御矩阵满足乘法交换律的重要意义,最后综合运用数学归纳法和随机矩阵性质证明了防御矩阵满足乘法交换律的事实,此结论无论对于多层防御系统的防御效用值研究还是矩阵理论研究都有一定的指导作用。     

RPPM模式在军用烟幕扩散数值模拟中的应用

阐述了随机游走粒子一烟团模式（RPPM）的基本思想,并结合野外试验验证了该模式在烟幕扩散数值模拟中的应用效果。     

利用多基地雷达实现目标的无源定位

对利用多基地雷达实现目标的无源定位功能所涉及到的系统关键技术进行了研究。如针对多基地雷达不同的系统结构提出了相应的无源定位方法和时间同步方案,并对接收机的一体化设计和脉冲分选方法做了简要论述。     

重复脉冲激光辐照InSb(PV)型探测器的热损伤

在建立高斯型重复脉冲激光辐照InSb(PV)型探测器物理模型的基础上,采用近似解析解的形式计算了圆柱形InSb靶板的二维温度场。通过数值分析得出了在激光辐照时,InSb(PV)型探测器的温升与时间的关系,并计算出相应的损伤阈值。研究表明:在高斯型重复脉冲激光辐照下,损伤阈值受到脉冲数目、宽度、重复频率以及脉冲激光光斑半径的影响,InSb(PV)型探测器会发生熔融损伤,发生于迎光面的光斑中心。对于一定厚度胶层的InSb(PV)型探测器,只有强度大于一定阈值时重复脉冲激光的辐照才可能发生熔融损伤,越薄的胶层对应的损伤阈值越大。为了增加InSb(PV)型探测器的激光对抗能力,应该减小胶层厚度。     

基于1553B协议的星载高速无线数据网络协议的设计*

星载无线数据网络可以解除航天器内错综复杂的线缆网的束缚,是航天器轻小型化的重要技术储备。旨在替代航天器内现有的点对点三线制的LVDS线缆,提出了一种基于脉冲超宽带(IR-UWB)技术的星载高速无线数据网络的设计方案,并重点介绍了高速无线网络协议的设计和实现。网络协议设计参考了美国军用数据总线标准MIL-STD-1553B 协议,采用时分制指令响应机制,分别对其物理层、链路层、网络层和应用层进行设计,以适应星载高速率无线数据传输的要求,具有灵活性高、可靠性高、扩展性高的特点。网络协议的IP核经过地面演示系统进行验证,实验测得应用层数据传输的误码率小于10_-10。     

基于卷积神经网络和随机森林的毁伤效果评估方法

目标毁伤效果评估是现代化战争中的重要一环。针对传统的毁伤效果评估方法无法区分目标特征与背景特征而导致评估结果不准确的问题,提出了卷积神经网络(convolutional neural network,CNN)和随机森林(random forest,RF)相结合的方法,记为CNN-F算法。通过卷积神经网络处理图像,提取图像特征,再使用随机森林替换卷积神经网络中的部分全连接层和softmax分类器进行目标毁伤结果分类。实验结果表明,该算法在准确度、精确度、召回率和F₁值4个指标上都达到了较高的水平,达到了83.050%、83.585%、83.050%和82.945%,其评估结果可以为指挥员下一步决策提供参考。