基于改进粒子群算法的复杂地况下雷达布站优化

针对现有雷达布站数学模型不能解决复杂地况下的雷达布站问题,提出了一种复杂地况下的雷达布站数学模型,该模型解决了雷达在复杂地况下布站位置受限的问题。在此基础上,提出了基于改进粒子群算法的复杂地况下的雷达布站优化算法,该算法改善了现有粒子群算法中期搜索性能不强的缺陷。仿真结果验证了提出的改进雷达布站数学模型的可行性和基于改进粒子群算法的复杂地况下雷达布站优化方法的有效性。     

边境安全风险评估矩阵模型构建研究

提出边境安全风险和边境安全风险评估的概念。围绕边境安全风险状态和边境安全风险类型两个维度构建边境安全风险评估的矩阵模型。其中,边境安全风险状态维度包括边境安全风险源活跃度、边境安全风险源聚集度、边境安全风险供应链成熟度、边境安全风险源异常度;边境安全风险类型包括外生型边境安全风险、内生型边境安全风险、网络型边境安全风险、跨境型边境安全风险。并论述了边境安全风险评估矩阵模型的应用。     

基于灰色预测的时敏军事任务调度模型

为有效利用栅格化军事信息系统硬件冗余资源,提高系统运行时效,保证时敏军事任务执行效果,基于灰色理论的GM(1,1),提出了一种时敏军事任务调度模型。构建了基于主动式主/副本机制的调度流程,并针对普通(阈值)调度模型和模糊控制调度模型中调度触发的滞后和调度价值不确定的问题,设计了预测型调度时间窗口,有效优化了调度触发机制。最后通过仿真实验,考察了3种调度模型的有效性,结果表明模型虽然耗费了较大的调度开销,但在降低总体任务用时上作用明显。     

灰色直接迭代建模在武器故障预报中的应用

武器系统故障数据常呈现出非等时距、随机性及非准光滑特性,不满足GM(1,1)的建模条件。为此,引入故障信息序列的导数作为建模的白化值,并使用迭代优化算法进行参数优化,从而构建灰色直接迭代GM(1,1)模型。同时,直接迭代建模可有效利用数据第一点的信息,建模时不需累加生成变换和还原处理,算法简单可行,可以有效解决武器系统贫信息状态下的故障预报问题。仿真结果验证了该模型对于实际武器故障序列具有较高的拟合和预测精度。为了解和掌握武器质量状态的发展规律提供了可行的方法。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

开尔文模型粘弹性Timoshenko梁的动力分析与应用

基于Kelvin模型张量形式本构关系导出粘弹性Timoshenko梁自由振动微分方程组,给出两端简支粘弹性梁的固有频率解析解。对粘弹性梁的振动特性进行了分析和比较。以此计算材料开尔文模型粘弹性阻尼系数,结果表明,该方法准确可靠。     

水声目标机动检测与跟踪

当今海战场水声目标往往采用机动方式航行,打破了目标匀速直线运动假定的传统。通过对水声目标的机动模式分析,可将目标的运动轨迹近似为折线运动进行研究。提出了水声目标的机动检测与跟踪方法,简化机动检测的复杂度,最后讨论了对机动目标长时跟踪的策略。     

TIN数字地形模型的通视性算法

数字地形模型的地形通视性分析有着广泛的应用,对TIN地形模型上两点间的通视性算法进行了研究、改进与实现.研究结果表明,视线与三角形相交法算法简单直观,但计算效率太低;改进的视线与边相交法数据结构简单,编程实现容易,适合地形数据结构单一的系统;而投影覆盖检测算法通用性好,适合地形数据结构多样的系统.     

城市居民区地震火灾发生率的推估方法

分析了地震火灾产生的原因及其影响因素,提出了一个城市地震火灾危险性分析的模型,利用民事火灾的统计分析结果,给出了城市地震火灾发生率的公式,在此基础上探讨了地震火灾危险性分析方法,给出了分析实例。     

质量块控制自旋导弹的Lyapunov稳定性分析

给出了质量矩控制导弹的动力学模型及在一定条件下的简化动力学模型;用Lyapunov分析方法给出了动稳定性条件。结果说明,推力和静稳定度越大,越有利于动态稳定;阻力越大越不利于动态稳定。