地面防空战斗部署方案评估模型

对地面防空战斗部署方案进行评估是防空作战中非常关键的一环,防空战斗部署主要包括防空兵器战斗部署和情报预警雷达组网部署两部分。首先分析了地面防空兵器战斗部署的评估指标体系,用数学规划的方法对其作战能力进行评估。然后运用开马尔可夫排队网络对情报预警雷达组网部署的空情预警能力进行评估。     

指定目标不延误条件下的拦截决策算法

从现有的拦截排序准则出发,根据实际作战中进袭目标的特点,应用现代排序理论,分别建立了动态目标拦截排序模型和总损失最小化模型,给出相应的求解算法。最后实例计算得出模型既体现了现有的拦截准则,又对现有的准则进行了推广。     

网络化空战中的目标综合价值评价方法

目标综合价值评价是进行目标分配的基础,基于复杂网络的价值分析方法,能够综合体现网络化空战中目标自身属性和网络体系结构对目标综合价值评价产生的影响,准确地确定作战体系中的关键目标。通过分析空战体系结构,将目标综合价值分为固有价值和体系价值2个维度,利用模糊偏序关系建立目标固有价值评价模型,并通过定义节点连通度、关键度和冗余度,确定目标体系价值评价方法。实例分析结果验证了该目标综合价值评价方法的有效性。     

基于贝叶斯网络的装甲目标战术企图推理模型构建

以贝叶斯网络理论为基础,分析基于贝叶斯网络的目标企图推理框架,从目标状态、目标性质、战场环境和战术特性4个方面提取节点,在分析这4个节点拓扑结构的基础上,构建了装甲目标战术企图推理的贝叶斯网络拓扑结构。     

基于概率影响图的空战能力评估模型

基于空战指标间复杂的影响关系,引入概率影响图,并结合指标间重要程度的比较对飞机空战能力进行客观评估。利用空战信息流图,依据作战结果计算能力指标值与发生概率,构建空战模型的概率影响图;定性分析能力指标间的影响关系,定量计算综合影响权重;综合考虑比较权和影响权,计算空战能力值。结果证明,影响关系在空战能力评估中占有很大比重。     

舰艇编队防空能力仿真和可疑目标识别模型

由于舰艇的探测范围有限,为了最大限度地保证指挥舰的安全,需要设计合理的编队队形。对此设计了一种对称环形编队,分析了该编队在有预警机和无预警机两种情景下的抗饱和攻击能力。分析结果显示该队形能最大程度地保护指挥舰安全,抗饱和攻击能力显著增强。特别在有预警机支援的情况下,舰队生存能力可以得到极大提升。最后针对未知目标,使用决策树分类可以更迅速准确地判断出目标真实意图。     

军民融合产业创新集群的形成

在军民融合发展战略与创新驱动发展战略深入推进进程中,军民融合产业创新集群成为军民融合产业发展的重要创新形式,其形成问题研究更是对其发展与演化具有重要影响。以军民融合产业创新集群的内涵着手,通过刺激—反应模型与演化博弈模型,分析其形成过程与促进措施。研究表明,军民融合产业创新集群作为复杂适应系统,创新主体的适应性能力及其内在关系是集群形成的关键所在;为使合作创新行为成为演化博弈的稳定策略,从合作创新能力系数和合作创新成本、拥有的创新资源以及政府资金支持三个方面剖析集群形成的促进作用,对军民融合产业创新集群的发展与演化研究奠定基础。     

基于飞行仿真的近地告警包线计算

TSO-C151b标准中近地告警包线为通用模型设计,未结合飞机的自身特性。为精确给出飞机过大下降速率告警包线,通过结合飞机自身气动特性和操纵特性,分析告警机理,建立飞机六自由度仿真程序。依据飞机发动机数据、气动力数据、质量特性数据等,建立仿真模型及操作程序,实时模拟飞机各舵面的操作响应过程,以及飞机的运动姿态和飞行轨迹,计算飞机在不同下降速率时拉起的损失高度,设计近地告警包线。实际试飞数据验证了模型设计合理,计算结果准确。同时,将仿真计算得出的告警包线与TSO-C151b对比,给出适用于飞机的近地告警包线使用建议,保证飞机飞行安全。     

满足线性二次型调节器性能指标的群系统编队跟踪问题优化控制方法

针对群系统编队跟踪问题,提出一种满足线性二次型调节器性能指标的优化控制方法。建立编队跟踪问题的数学描述和设计编队跟踪控制协议。给出群系统实现编队跟踪的充要条件,借助李雅普诺夫第二方法分析系统的稳定性。得到了控制协议能够最小化线性二次型调节器性能指标的拓扑条件,设计了编〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCWL.TIF;%129%129〗听语音 聊科研与作者互动 队跟踪算法。仿真实验验证了控制方法的有效性。     

The SSA-BP-based potential threat prediction for aerial target considering commander emotion

The target's threat prediction is an essential procedure for the situation analysis in an aerial defense system. However, the traditional threat prediction methods mostly ignore the effect of commander's emotion. They only predict a target's present threat from the target's features itself, which leads to their poor ability in a complex situation. To aerial targets, this paper proposes a method for its potential threat prediction considering commander emotion (PTP-CE) that uses the Bi-directional LSTM (BiLSTM) network and the backpropagation neural network (BP) optimized by the sparrow search algorithm (SSA). Furthermore, we use the BiLSTM to predict the target's future state from real-time series data, and then adopt the SSA-BP to combine the target's state with the commander's emotion to establish a threat prediction model. Therefore, the target's potential threat level can be obtained by this threat prediction model from the predicted future state and the recognized emotion. The experimental results show that the PTP-CE is efficient for aerial target's state prediction and threat prediction, regardless of commander's emotional effect.