泛探雷达长时间相参积累目标检测方法研究

泛探雷达利用同时多个接收波束覆盖整个观测空域,可利用长时间相参积累提高动目标检测性能,然而必须解决目标在长积累时间之内出现跨波束、跨距离单元和跨多普勒单元现象带来的积累增益下降问题。在跨波束影响可忽略前提下,研究了基于Keystone变换与Dechirping变换相结合的运动补偿方法,并在此基础上提出了基于Clean思想的多目标检测流程。通过对仿真数据与外场实测数据的处理与分析,验证了本文方法的有效性,可以用于泛探雷达的目标检测。     

战争设计工程中从定量到定性反思的方法

定性定量相结合是战争设计工程的技术基础,为了探讨定性定量相结合中的如何从定量到定性进行反思,提出了定量评价干预策略的一致性检验方法;研究了从定量到定性反思的实现方法。最后以一个实例说明了整个从定量到定性进行反思的过程,并证实该反思方法是有效可行的。     

航天器轨道追逃态势分析的水平集方法

航天器轨道追逃是当前航天动力学与控制领域的研究热点。针对轨道追逃定性问题开展研究,提出了一种综合运用降维动力学模型和后向可达集的航天器近距离轨道追逃态势分析方法,以支撑任务可行性分析;通过在视线旋转坐标系下推导博弈系统降维动力学模型,建立近距离追逃定性问题模型,减少了状态空间维度;使用目标集的后向可达集描述捕获区并划分追逃状态空间,基于水平集方法建立可达集在降维动力学模型中演化的动态HJI(Hamilton-Jacobi-Isaacs)偏微分方程,并设计WENO-TVD求解器数值计算HJI方程终值问题粘性解,完成了追逃目标集的准确描述并避免了可能出现的终端奇异现象。通过不同推力构型的追逃场景数值仿真验证了方法的有效性,展现了一次计算批量化处理初始态势的功能。     

碳纳米管增强复合材料Timoshenko梁弯曲和屈曲行为分析

考虑碳纳米管(carbon nanotubes,CNTs)的尺度效应,研究宏观尺度下碳纳米管增强复合材料(carbon nanotubes reinforced composites,CNTRCs)梁的弯曲和屈曲行为。在EMT(Eshelby-Mori-Tanaka)方法的基础上,利用非局部理论提出了可表征CNTs尺度效应的非局部EMT本构模型。根据Timoshenko梁理论,采用哈密顿原理得到CNTRCs梁的静力学微分方程和边界条件。求解简支边界条件下CNTRCs梁的弯曲响应和极限屈曲载荷,并与文献进行对比验证所建模型和求解方法的正确性。分析了CNTs的尺度效应参数和体积分数以及复合材料梁的长细比等因素对简支CNTRCs梁弯曲响应和极限屈曲载荷的影响规律。结果表明,考虑CNTs的尺度效应会削弱结构等效刚度,且CNTs体积分数和尺度效应参数对大长细比CNTRCs梁的弯曲响应和极限屈曲载荷的影响幅度较大。     

利用蒙特卡洛法评定火箭炮对岸射击效能

为了更好的评定舰载火箭炮对岸射击的射击效能,选用了毁伤概率为效能指标,应用重叠系数法排除子弹重叠的影响,运用蒙特卡罗法计算出毁伤概率,并给出了保证实验精度的方法。实际举例结果表明,在评定毁伤效率时,应用重叠系数较大程度地减少因重叠造成的误差。该方法在研究火箭弹对岸射击效能时,能够更好的提高精度,减小误差。     

基于AHP和灰色评估法的水面舰艇编队作战效能评估

水面舰艇编队的作战效能是衡量水面舰艇编队完成各种战斗任务能力的基本依据。为定量评估水面舰艇编队的作战效能,建立了评估水面舰艇编队作战效能的指标体系,并对其中较为重要的指标进行了分析。首先采用层次分析法确定各因素的权重,然后运用灰色评估法对水面舰艇编队作战效能进行综合评价,主要用于对水面舰艇编队作战效能进行排序以及对水面舰艇编队进行编成优化,为水面舰艇编队指挥人员提供一定的量化分析和决策依据。     

火力分配综合效率指标计算方法研究

针对传统计算火力分配综合效率指标方法的局限性,在确定空袭兵器威胁度和防空火力单元射击有利度的基础上,结合实际作战的不同情况,介绍了一种计算火力分配综合效率指标的新方法。通过算例,证明了该方法的可行性。     

电子战训练仿真系统开发方法研究

为了提高电子战训练仿真系统开发的效率和质量,参照建模与仿真领域和软件工程领域中的模型开发与运行过程模型,提出了一个基本开发过程,将基于高层体系结构HLA电子战训练仿真系统的开发划分为相互关联的9个阶段,规定了每个阶段的开发活动。展示了联邦成员软件自动生成工具KD-FedWizard在基于HLA电子战训练仿真系统分析、设计和实现中的应用。     

侵彻子母弹封锁机场跑道最小升降窗口搜索算法研究

针对侵彻子母弹封锁机场跑道中判断是否存在最小升降窗口的"两点比较"算法,提出更为符合实际毁伤情况的"网格-矩阵"算法。采用随机分布的数学模型和计算机仿真模型,利用Monte Carlo法模拟侵彻子母弹子弹的落点。最后在Matlab7.0环境下对两种算法进行了仿真试验和对比分析,提出两种算法在火力辅助决策中的使用建议。     

Annealing adaptive search,cross‐entropy,and stochastic approximation in global optimization

The Annealing Adaptive Search (AAS) algorithm for global optimization searches the solution space by sampling from a sequence of Boltzmann distributions. For a class of optimization problems, it has been shown that the complexity of AAS increases at most linearly in the problem dimension. However, despite its desirable property, sampling from a Boltzmann distribution at each iteration of the algorithm remains a practical challenge. Prior work to address this issue has focused on embedding Markov chain‐based sampling techniques within the AAS framework. In this article, based on ideas from the recent Cross‐Entropy method and Model Reference Adaptive Search, we propose an algorithm, called Model‐based Annealing Random Search (MARS), that complements prior work by sampling solutions from a sequence of surrogate distributions that iteratively approximate the target Boltzmann distributions. We establish a novel connection between MARS and the well‐known Stochastic Approximation method. By exploiting this connection, we prove the global convergence of MARS and characterize its asymptotic convergence rate behavior. Our empirical results indicate promising performance of the algorithm in comparison with some of the existing methods. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011