舰艇编队海上运输补给物资需求预测方法

按照是否与任务、事件相关,将物资需求分为两类,对于任务、事件相关物资需求的预测,将任务进行合理的分解,并根据物资消耗与任务、事件之间的关系,给出了预测的一般模型;对于与任务、事件联系不紧密的物资需求的预测,则根据历史经验及该物资固有的消耗规律,提出了经验预测模型。为了解决舰艇编队海上运输补给物资需求预测所存在的问题,利用案例推理的方法生成了预测所需的样本数据,以最小二乘向量机(LSSVM)模型为预测模型,并以岛屿进攻作战的防空弹药需求预测为例进行了实例分析。结果表明:案例推理生成的样本数据可用,选用LSSVM模型的预测结果与其他预测模型表现出了一致性,但LSSVM相对误差较小;该方法在某种程度上解决了样本数据有限的问题,适用于作战物资需求的预测问题。     

临近空间高超声速机动目标跟踪的IMM-QB算法北大核心

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。     

一种新的基于特征值分解的双站无源定位算法

在自卫式噪声干扰的条件下,地面制导雷达将无法得到目标的斜距信息,无法实现对目标的定位,此时只有采用雷达组网方式,利用2个或多个雷达站的测角信息来对空间目标进行定位。提出一种基于特征值分解的新的定位跟踪算法,该算法具有计算简单、清晰,运算量小的优点,仿真也表明该算法有较好的精度。     

LDPC带选主元三角分解编码性能

分析LDPC码的特点和优势。阐述LDPC码的编码原理和基于生成矩阵、基于三角分解两种主要编码方法。指出三角分解编码方法受到矩阵分解限制:矩阵要求满秩,矩阵所有的顺序主子式非零。分析带选主元三角分解法的编码方法。使用C语言编译环境和X86计算机,对LDPC基于生成矩阵的编码系统和带选主元三角分解法的编码系统进行计算,得到P4(R)3.2 GHz、内存512 M硬件环境下的编码效率。     

基于菱形模板的摄像机标定方法

在传统的基于平面模板的摄像机标定算法和基于3个非线性点在特定运动下的标定算法的基础上,提出了一种基于菱形模板的摄像机标定算法,本算法只需要知道菱形的一个夹角就能标定出摄像机的内参数矩阵。弥补了传统算法在标定时需要知道特征点世界坐标的不足,减少了制定模板世界坐标带来的误差;同时本算法不需要菱形特征点做任何运动,避免了旋转特征点带来的人为误差。该算法的标定精度仅取决于特征点检测的精度,实验结果验证了该文算法的有效性。     

基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性.为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题.通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型.将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法.设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题.仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题.     

高精度程控电阻网络生成算法设计

为了提高高精度程控电阻的设计效率,建立高精度电阻网络的物理模型和数学模型,提出一种高精度程控电阻网络生成算法。该算法根据给定的量程和精度,基于主电阻网络、补偿电阻网络和偏移电阻的组合方式,自动生成高精度程控电阻网络。以量程90~250 Ω、精度5 mΩ的需求为例,在MATLAB平台上对算法进行仿真验证,仿真结果验证了算法的可行性。结果表明生成的程控电阻网络满足目标量程和精度的需求,算法解算时间仅为18.128 s。相比于人工设计的方式,该算法大大提高了设计效率。     

动态威胁环境下单无人机测向定位航迹优化算法

为解决单架无人机在动态战场环境下的测向定位问题,提出了一种基于动态窗口法的单机测向定位航迹优化算法。以最大化Fisher信息矩阵行列式为测向定位评价准则,在由动态探测雷达和静/动障碍构成的动态战场环境中,基于动态窗口法思想,将测向定位航迹优化评价准则由传统的单步最优原则扩展到对多步预测航迹的评价,同时考虑雷达探测和静/动障碍环境对预测航迹的影响,通过滚动时域方法控制无人机最优航向。仿真结果表明,所提方法能够使无人机在有效逃避雷达探测威胁以及规避环境中静/动障碍的条件下保证对目标的高精度测向定位,为解决动态战场环境下的单架无人机测向定位问题提供了新思路。     

基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

基于有限元法的超声相控全矩阵检测与成像仿真

全矩阵超声相控阵成像技术具有信噪比好、缺陷分辨率高等优点,近年来在无损检测领域获得广泛研究.基于全矩阵数据采集理论和全聚焦成像算法原理,采用有限元法建立超声相控全矩阵检测模型,该模型以钢板中的圆孔缺陷检测为研究对象,提取检测模型中超声纵波幅值信号进行分析.仿真结果显示,采集到的全矩阵A扫描数据具有对称性,且全聚焦算法能有效地实现缺陷的反演成像.成像结果进一步表明,与常规B扫描检测模型相比,该全矩阵模型能准确定位缺陷位置且成像效果较好.而对于某一特定检测介质的全聚焦成像,不同的阵元数成像效果也不同,可以通过数值模拟确定最优的阵元数.