空军地面雷达信息综合技术

空军地面雷达信息综合技术研究是以面向防空作战任务的战场信息共享支持为目标,借助先进的通信体系结构和技术体制,将各级雷达信息有机地集成起来,形成一体化的战场信息共享支撑体系,以提高我军联合指挥控制能力.     

基于集对分析的航材保障效能评估

航材保障是航空兵部队技术保障的物资基础,其效能直接影响空军武器装备的作战效能.应用集对分析方法在确定随机系统中的某一特性上具有同异反定量刻画的特点,通过建立各系统航材保障效能评估指标的集对,据此对航材保障效能进行评估,最后得出一组合理的评估结果.     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

超视距机群空战效能评估模型研究(英文)

针对超视距机群空战仿真的应用场合,建立了一种超视距机群空战的效能评估模型.该模型首先通过分析超视距空战的特点,在导弹攻击典型时间序列的基础上,对抢先发射导弹这一随机事件分三种情况进行了具体研究,得出计算飞机损失数的解析表达式.然后讨论了超视距空战中抢先情况的条件,提出了抢先概率的计算方法.最后着重对抢先发射、抢先发射区域的影响因素以及飞机机动性对空战结果的影响进行了分析.     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

空中突击部队装备体系作战任务建模方法研究

空中突击部队是由多装备系统组成的装备体系,在执行任务过程中体现多阶段多任务的特点。基于DoDAF体系框架,结合美军空中突击部队装备体系作战任务展开研究。首先,通过作战任务的形式化描述,建立了装备体系作战任务的四元组描述模型;其次,在DoDAF体系框架下,提出建立空中突击部队装备体系作战任务的静态模型和动态模型;最后通过仿真方法对动态模型进行验证,证明了该模型的可信性。     

防空兵群指挥所配置方案优化分析

防空兵群指挥所配置是兵力部署的重要内容,它从根本上决定了指挥所的指挥效能和野战生存能力。多年来,指挥所的配置多是根据防空兵战斗的相关战术原则,由作战参谋提出数个配置方案,然后由指挥员做出决策。这种仅凭主观决策的做法与现代防空作战的要求不相适应。结合模糊多指标评判方法与优化理论,从发挥指挥效能与提高生存能力两个方面出发,对防空群指挥所的配置进行了分析,并建立了配置方案优化的模型,从根本上改变了指挥所配置完全依赖主观判断的做法。最后应用模型分析了一个实例。     

户式集中空调在民用住宅中的应用及发展

简单介绍户式集中空调系统的由来,分析了制冷剂系统、风机盘管加新风系统、全空气系统3种类型的优缺点。结合工程实例,总结出全空气系统舒适、节能、低成本的特点。对户式集中空调的发展及其普及要解决的问题提出了自己的见解,最后指出其有着广阔的前景。     

混合攻击机机群在空战中的最优控制策略

研究了混合攻击机机群在对由截击 -歼击机机群组成的敌国土防空系统进行突防过程中的最优控制方法 ,以攻击机的最小突防损失为战效指标 ,给出了其最优控制策略。     

Bayesian inference for a Lanchester type combat model

We undertake inference for a stochastic form of the Lanchester combat model. In particular, given battle data, we assess the type of battle that occurred and whether or not it makes any difference to the number of casualties if an army is attacking or defending. Our approach is Bayesian and we use modern computational techniques to fit the model. We illustrate our method using data from the Ardennes campaign. We compare our results with previous analyses of these data by Bracken and Fricker. Our conclusions are somewhat different to those of Bracken. Where he suggests that a linear law is appropriate, we show that the logarithmic or linear‐logarithmic laws fit better. We note however that the basic Lanchester modeling assumptions do not hold for the Ardennes data. Using Fricker's modified data, we show that although his “super‐logarithmic” law fits best, the linear, linear‐logarithmic, and logarithmic laws cannot be ruled out. We suggest that Bayesian methods can be used to make inference for battles in progress. We point out a number of advantages: Prior information from experts or previous battles can be incorporated; predictions of future casualties are easily made; more complex models can be analysed using stochastic simulation techniques. © 2000 John Wiley & Sons, Inc. Naval Research Logistics 47: 541–558, 2000