“算法战”及其在空战领域中的应用

随着战争从体能较量、技能较量发展为智能较量,"算法战"与人工智能和指挥控制系统相关联并在其中占据关键地位,是实现智能化作战和建设智能军队的技术基础。通过梳理与总结美军在落实"算法战"研究方面所进行的开创性工作,理清"算法战"发展的脉络,重点对"算法战"产生背景、基本概念与内涵以及发展现状进行了探讨,结合课题组在航空集群作战领域的研究基础,探讨"算法战"在空战领域的落脚应用的可鉴之策,为我空军装备的信息化升级和智能化转型奠定基础。     

武器装备试验计量保障有关问题的思考

计量保障是武器装备试验数据准确和试验质量可靠的重要保证,是考核与评价装备战术技术指标的关键环节,在武器装备的发展建设中发挥着不可替代的基础作用。本文结合目前武器装备试验计量保障工作的现状,从计量管理的法制化、试验计量保障能力建设、试验装备的强制检定和装备计量保障信息数据库等若干方面深入阐述了试验需求和法律法规要求,探讨了做好试验计量保障工作应采取的改进措施。     

轴承装配误差及预紧量对导引头伺服机构谐振频率影响与分析

为了在精密装调过程中对导引头伺服机构的动态特性进行准确预测,采用理论建模的方法确定了轴承微量装配参数与伺服机构谐振频率的定量关系。基于Hertz接触理论,建立5自由度轴承刚度模型,并将微量装配误差对轴承刚度矩阵的影响进行建模和分析;采用Timoshenko梁理论推导弹性阶梯轴单元矩阵,并确定系统特征值和特征向量的求解方法;采用MATLAB/GUI建立伺服机构谐振频率分析系统,并搭建实验系统对理论模型进行验证。分析和实验结果表明,所建立的分析方法可以对轴承的微量装配误差引起的谐振频率变化进行比较准确的计算,解决了目前伺服机构精密装调过程中动态特性预测的难题。     

装备寿命周期备件供应网络优化方法

针对现有备件供应优化方法未从寿命周期角度考虑备件供应优化问题,将寿命周期不同阶段的备件需求特征融入备件供应网络设计中,实施动态需求特征下的寿命周期整体优化。深入分析寿命周期不同阶段的备件需求特征;建立备件供应响应时间转移方程,在此基础上,构建使寿命周期备件保障效益最大的多目标混合整数规划模型。通过仿真案例证明了多种备件保障模式的组合能够显著提高寿命周期保障效益,寿命周期整体优化可以实施更高效的备件供应。     

协方差压缩感知逆合成孔径雷达成像技术

为解决低信噪比条件下短观测时间雷达成像问题,提出一种基于回波协方差矩阵处理的压缩感知逆合成孔径雷达成像技术。该方法构建了回波协方差矩阵层面下的压缩感知问题模型,并通过特定的线性变换降低环境噪声对成像结果的影响。在仿真实验中,通过处理短观测时间和低信噪比条件下的模拟回波数据,该方法获得比传统压缩感知方法像质更好、对比度更强的目标成像结果。同时,其成像结果的目标背景比和背景噪声能量两个雷达图像评价指标都优于传统方法,进一步验证了该方法的有效性。     

网络安全实验平台K - 划分映射方法

对网络安全实验平台映射问题进行形式化描述,提出基于K-划分的映射方法,其核心思想是为了尽量减少占用网络资源,尽可能将逻辑拓扑紧密连接的节点映射到同一台交换机上。基于K-划分的映射方法采用贪心法确定初始划分状态,根据评价函数进行节点移动,对生成的子图进行算法迭代,直到所有子图的节点数量不大于物理拓扑端口容量为止。基于K-划分的映射方法弥补了K-L算法中初始划分状态选取的任意性对最终结果产生较大影响的缺陷,实验结果表明该算法的求解时间远小于遗传算法,能在较短的时间内得到映射结果。     

圆周合成孔径雷达的快速时域成像算法

为实现圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)快速成像,提出一种用于CSAR的快速时域成像算法。该算法通过将CSAR的圆孔径分成若干子孔径,分别对子孔径采用快速因式分解后向投影算法处理,再将各子图像相干插值叠加至同一坐标系下得到成像结果。详细分析算法实现中的坐标转换、误差控制和运算效率等关键问题,并用点目标仿真和实测数据处理结果验证算法的有效性。所研究方法具有成像范围大、计算量小等优点。     

内置环形耐压液舱周向连接形式应力分析

针对内置式耐压液舱结构的应力变化规律,对比分析了不同载荷工况下,两种不同液舱顶板结构形式及变截面肋骨对液舱壳板的变形和应力的影响。结果表明:对于不同的液舱顶板形式,变截面肋骨角度β存在最优值;在液舱周向范围一定的情况下,肋骨肋板间的连接形式对液舱顶板纵向应力影响显著,而β主要影响液舱顶板的周向应力。     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。