并联系统可靠性分配的模糊层次分析法

综合考虑影响系统可靠性分配的定性因素和定量因素、影响因素的模糊性以及系统的结构组成.利用层次分析法可集定性与定量分析于一体,从而确定出各影响因素对可靠性分配的权重向量;模糊数学理论进而确定出分系统之间可靠性水平的相对比重;进行模糊变换最终进行并联系统的可靠性分配.结合实例分析,对并联系统运用模糊理论和层次分析法相结合的方法进行可靠性分配科学、合理,便于工程应用.     

改进AHP在导弹武器系统作战效能中的应用

导弹武器系统是一个十分庞大的系统,在评估其作战效能时应该综合考虑多方面内容.这时可以在多种方法的基础上结合AHP的办法.但传统AHP存在着许多缺点,不能对人主观错误性、片面性进行修正,其计算模型也存在着不足,在指出这些错误的同时给出了相应的解决方法,提高了评价的科学性与客观性,并对所做的工作进行了讨论.     

突出重点 区分层次 分批集中 分段施训 福建某预备役通信团创新组训模式提升核心军事能力

银线飞舞,电波频传。4月12日,福建某预备役通信团综合训练场上,100余名预备役官兵在紧张忙碌地组织复杂电磁环境下通信枢纽开设。随着电话、接力、传真站等10多个种类20多个通信要素相继开通,该团第一批参训预备役官兵10余个按新大纲施训课目顺利通过考核。这是该团创新组训模式,提升核     

关于A-增生算子的广义变分包含的Mann-型迭代算法

通过研究A-增生算子的性质,延伸了关于H-增生算子的预解算子概念到新的A-增生算子。通过进一步运用A-增生算子的预解算子技巧,考虑了一类新的关于A-增生算子的广义变分包含,并提出了一种Mann-型迭代算法来逼近此类广义变分包含的解。最后证明了新的一类广义变分包含解的存在性和唯一性,并讨论了由此Mann-型迭代算法产生的迭代序列的收敛特征。     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.     

从LPS馏分出发合成先驱体聚碳硅烷

采用将液态聚硅烷(LPS)蒸馏分级的方法,从各个馏分出发合成制备了先驱体聚碳硅烷(PCS)。运用GPC等分析测试手段考察比较了各个馏分的差异对在相同条件下所合成聚碳硅烷的分子量及其分子量分布特性的影响。研究表明:在同等条件下,采用以LPS蒸馏分级的方法再从各个馏分出发合成制备先驱体聚碳硅烷的总平均收率比未从经分级处理的LPS出发合成先驱体PCS的收率高35%左右;从200℃以下馏分出发可以合成制备超高分子量的先驱体PCS。     

基于统计特性的舰船一维距离像方位角分帧方法

舰船目标一维距离像的方位敏感性是利用一维距离像开展雷达目标识别的难点问题。针对该问题,首先根据舰船目标一维成像的机理和特点,分析并验证了舰船目标一维距离像复高斯分布的统计特性;然后,在此基础上利用K-S假设检验对距离像方位角进行自适应分帧,使得每帧的距离像数据符合同一复高斯分布,而帧帧之间的数据符合不同分布;最后,针对分帧后距离像数据的统计分布,利用Bayes分类器进行5类舰船目标识别实验。实验结果表明:自适应分帧算法不仅提高了舰船目标的识别率,还能显著降低识别运算量和存储量。     

纤维织物复合材料组分材料体分比的显微CT实验测定法

针对纤维织物复合材料的组分材料体分比测定问题,提出一种基于显微CT图像的测定方法。该方法可以通过不同尺度的显微CT图像分别测定全局纤维体分比、局部纤维体分比和纤维束体分比参数,还可以为难以用常规物理实验测定体分比的复合材料组分材料体积分数测定提供解决方案。以E-Glass/Epoxy纤维织物复合材料为研究对象,对比ASTM D3171 Procedure G、扫描电镜实验和显微CT实验三种测定法的测量值,结果证明了显微CT实验测定法的可行性和合理性。针对扫描电镜图像和显微CT图像,分别给出了相应的图像处理方法,为获得正确的组分材料分割结果提供了技术保证。显微CT实验测定方法可以广泛应用于复合材料组分材料体分比的测定。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。