分队战术训练仿真系统CGF技术

计算机生成兵力(CGF)是攻防对抗作战仿真的重要组成部分和重点研究内容,也是分队战术训练仿真系统的一个重要技术支撑。给出了仿真系统中CGF实体在基于HLA协议下的功能结构和拓扑结构,介绍了仿真系统中CGF建模所研究的内容和实体建模技术,最后指出了将人工智能技术应用于CGF实体行为决策建模的思路。     

导弹气动参数变化时PID与模糊控制的仿真

以参数大范围变化的导弹为研究对象,分别设计PID控制器和模糊控制器,并对PID控制器和模糊控制器组成的稳定回路进行仿真,仿真结果表明,PID控制器不能适应参数大范围的变化,表现为容易产生超调。简单模糊控制器对外界参数具有较好的适应性和鲁棒性,但存在稳态误差,通过采取模糊——积分并联混合,改善了模糊控制的稳态性能,提高了模糊控制的稳态精度。     

蒙特卡洛法的截击空战仿真

针对具体空战环节,应用蒙特卡洛方法仿真了截击空战的全过程,提出了截击空战仿真的程序逻辑方案;并结合具体实例,得出仿真数据,定量分析了空战毁伤概率,进而分析了截击空战的作战效能。仿真结果比较符合实际空战情况,具有一定的创新性和实际应用价值,其分析问题解决问题的方法和过程对解决类似的问题有一定的借鉴意义。     

软计算在污水处理过程控制中的应用

阐明了软计算技术在污水处理过程中应用的必要性、可行性及对行业所带来的社会效益和理论意义,着重分析了其在污水处理过程中的应用情况,简要探讨了软计算技术今后应深入研究的问题和方向,指出将软计算算法和智能控制策略结合起来有利于提高模型预测精度,提高过程控制系统动态响应能力。     

联合战役油料输送系统模拟模型及优化研究

油料输送是联合战役油料保障中的重要环节,其本质是一个受多种随机因素影响的复杂过程。以运筹学的排队论为建模指导思想,将联合战役油料输送视为一个由多个子系统组成的排队系统,在这一系统中有活动实体(油料)在其中流动。对此动态过程进行模拟分析,结合优化技术,定量分析各种输送方案的军事经济效益,为组织计划联合战役油料输送提供有效的决策支持。     

SpaceFibre网络服务质量时隙资源分配算法

为保证SpaceFibre星载数据网络大量实时数据流的超高速确定性传输,提出一种包含两个子算法的SpaceFibre网络服务质量时隙资源分配算法.形式化描述网络服务质量机制,给出调度矩阵相关定义;创建网络服务质量排队模型,定量分析时隙资源分配对网络时延性能的影响;考虑网络兼容性和算法鲁棒性,给出改进二进制序列调度子算法...     

知识图谱的预警探测体系探测效能贝叶斯评估方法

战争中,预警探测体系作为典型的复杂系统,其探测效能发挥情况的有效评估一直是亟需人们研究解决的重要现实问题。突破了传统效能评估方法的局限,在分析了知识图谱技术、贝叶斯评估方法基本原理的基础上,提出了基于两者综合运用的预警探测体系探测效能评估新方法,利用专家知识和实验数据构建知识图谱,并进一步使用贝叶斯网络方法实施知识推理,从而实现了体系探测效能评估。通过构建具体作战场景,验证了所提方法的有效性,并基于推演数据分析了所提方法的评估情况。     

大班幼儿建构游戏中同伴互动行为分析

采用非参与式观察法对36名大班幼儿建构游戏中的同伴互动行为进行观察,将收集到的344起同伴互动事件进行分析,从互动性别、互动主题、互动方式和互动情绪四个方面探讨大班幼儿在建构游戏中同伴互动行为的特征。并提出如下建议：教师应摒弃性别角色的刻板印象,鼓励女孩大胆体验建构游戏;教师应承认两性差异,给予男孩更多的耐心;幼儿园应定期评估材料的充分性与适宜性,投放充足且丰富的建构材料;教师应鼓励幼儿多进行分享、赞扬的友好互动。     

滚动球变换支持下的TIN-DDM地形特征线自动提取方法

针对传统规则格网数字高程模型地形特征线提取方法中存在阈值难以定量调控、连接方式无法自适应调整以及地形特征线类型不完整的问题,将滚动球变换模型应用于不规则三角网数字水深模型(triangulated irregular network digital depth model,TIN-DDM)地形特征线的自动提取,在构建临界滚动球半径关联的地形特征点定量识别判定准则基础上,引入地形形态边界点概念,采用逆向工程的建模思路,建立了以剖分单元为基础的地形特征线自动提取模型,结合地形类型判定准则的多尺度表达特性及顾及水深数值的地形特征优化模型,提出了可多尺度表达且类型完整的地形特征线自动提取方法。试验结果表明:相比于经典地表流水模拟方法,该方法可实现完整、连续且细分的TIN-DDM地形特征线自动提取及多尺度表达,且提取的地形特征线具有更高的地形重构精度。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。