自适应射击窗火力控制技术

为提高高炮武器系统拦截巡航导弹的能力,提出了自适应射击窗的思想.自适应射击窗是指火控系统根据目标运动参数估计结果,识别目标的运动模式并估计出其机动幅度,实时在线评估毁歼概率,并求解出具有最大毁歼概率的空域窗技术参数(形状和大小),据此计算出射击诸元提供给高炮武器系统实现对空中目标的射击.对实现该技术要解决的几个专项技术问题作了简要分析.最后,通过设置不同的目标航路,采用蒙特卡罗法分别对自适应射击窗技术和传统火控技术进行了效能对比分析.仿真结果表明,当巡航导弹不机动时,前者有与后者相当的射击效果;当巡航导弹蛇行机动时,依据参数设置,前者的毁伤效能较之后者提高约17.7％～102.4％,且增加了有效射击时间.     

投掷式通信干扰机的战斗任务级效能评估模型

针对投掷式通信干扰机战斗任务级效能评估不足的问题,在分析其典型作战任务的基础上,提出了战斗任务级效能指标——压制概率,依据对空域、频域、时域的覆盖要求,建立了压制概率的评估数学模型,进行了典型作战任务下压制概率的实例分析,分析结果表明:该指标及模型能比较准确地反应通信发射机与任务区域的相对位置、干扰机排布样式、干扰机数量等因素对投掷式通信干扰机战斗任务级效能的影响.     

基于Swarm平台的防空兵服务概率仿真与分析

防空兵服务概率是描述防空兵抗空袭能力的一个重要参数。论文对防空兵服务概率仿真进行了模型假设,在分析防空兵服务系统基础上,建立了防空兵服务概率仿真所需的火力单元Agent、敌机Agent以及各个仿真模块。通过对仿真数据的分析,得出两个结论：一是火力防线配置距离存在一个适度值;二是通过缩短平均服务时间来降低突防率,比增大可射击距离降低突防率效果更为明显的。这些结论对防空兵火力防线配置有一定的参考价值。     

大攻角下基于卡尔曼滤波的大气参数修正算法

针对新一代航空飞行器在大攻角飞行时大气数据系统测量精度严重下降问题,提出了基于卡尔曼滤波的大气参数修正算法。该算法利用大气数据测量信息和惯性导航信息,基于飞行器力学方程构建卡尔曼滤波器,通过卡尔曼滤波的方法实现对大气参数的修正。仿真结果表明,经卡尔曼滤波修正后的大气参数能够有效消除大攻角下原始大气参数的剧烈波动性误差,并与真实大气参数吻合较好,有效的提高了大气数据系统在大攻角飞行状态下的测量精度和可靠性。     

改进型概率地图航迹规划方法

针对在线航迹规划对时间和内存要求较高,提出一种基于遗传算法的改进型概率地图算法。该方法引入分层规划的思想,在离线航迹规划时,利用遗传算法找到最优初始航迹并建立航迹走廊,以此来缩小概率地图的规划空间。概率地图方法在缩小后的空间中建立概率地图,自由线路数量大大降低,同时使得在线航迹规划搜索范围减少,时间缩短。仿真实例表明,该方案比传统PRM更能满足在线航迹规划的要求。     

贝叶斯网络下考虑攻击企图的目标威胁评估

为解决舰艇编队的防空目标威胁评估问题,针对现有威胁评估方法中忽略目标攻击企图,且只进行静态评估而未考虑目标机动导致的运动参数变化对威胁评估的影响之不足,提出了利用目标攻击时所表现出来的特征参数进行攻击企图估计,并分析了影响机动目标威胁程度的相关参数和变量,以目标信息更新周期为不同时间片,建立了用于动态评估目标威胁度的离散模糊动态贝叶斯网络结构模型。为适应编队防空中火力通道多、目标批次多的特点,将一般威胁等级从3级划分扩展为5级划分。给出了网络中主要节点的状态转移概率表和条件概率表。通过对机动目标按照典型攻击航路的威胁度变化仿真表明,所建立的模型和采用的方法合理有效,能够较为准确地反映目标威胁,贴近实战。     

基于随机有限集的传感器网络多目标跟踪

利用有限集统计理论对声学W SN下的多目标跟踪进行了研究。首先利用F ISST理论对声学W SN下的多目标跟踪进行建模,然后利用粒子滤波对随机集最优贝叶斯滤波进行近似,提出了一种新的多目标跟踪方法。在粒子滤波执行过程中,为了有效地平衡计算量和跟踪精度,根据目标数目自适应地调整每一时刻的粒子数目。仿真结果表明在监视区域同时出现目标较少的情况下,算法能够及时发现目标的出现和消失,正确估计目标状态和数目。     

编队战斗机超视距空战效能评估

第三代战斗机主要空战模式是超视距空战,对编队战斗机超视距空战的全过程进行分析,建立了战斗机编队和导弹的运动模型,以领先发射概率和空战交换比作为评估指标,对编队战斗机超视距空战效能进行评估,最后给出了算例,重点分析了地面防空火力和编队战斗机数量、携带导弹总数等因素对空战交换比的影响.     

横向扫描敏感子弹的命中概率分析

为了获得某新型横向扫描敏感子弹对车辆目标的命中概率,结合子弹的运动特点和作用过程,建立了子弹六自由度弹道方程组,并分析了影响子弹命中概率的主要因素,最终建立了子弹识别和命中目标的数学模型.结果表明:命中概率随子弹初始扰动、最大摆动角和弹目距离的减小而增加,当初始扰动小于0.05 rad/s,最大摆动角小于1.12°,弹...     

基于BP神经网络的水下对抗预测模型研究

针对水下平台水下对抗作战量化验证评估困难、指导机动规避作战模型欠缺等问题,设计了一种基于大数据学习的水下对抗预测模型。首先进行水下平台水下对抗建模,基于蒙特卡洛方法执行若干轮次仿真获得规避概率数据集;同时,为解决海量仿真下时间效率不佳的问题,提出利用BP神经网络预测算法进行数据学习,提供准确、快速、可视化的对抗结果。试验结果表明,在本文设定的试验环境下,基于BP神经网络预测算法的平均预测误差为7.28%,可有效对水下平台规避概率进行预测,为指挥员指挥决策提供数据支撑。