基于系统动力学的协同决策模型性能分析

为探索信息化作战中指挥控制关键因素,提出改进作战指挥体制的对策措施,采用系统动力学理论,对协同决策的结构、参与者和信息反馈关系等关键因素进行了分析,在此基础上构建了基于系统动力学的协同决策模型并进行了模拟仿真。结果表明,增加指挥控制机构之间的信息共享可以有效提升协同决策的效率,为建立协同决策指挥控制体制提供了借鉴意义。     

潜射鱼雷在引导兵力通报下的远距攻击

在分析引导兵力通报情况下鱼雷远距攻击流程的基础上,建立了引导兵力通报下鱼雷远距攻击中的有关数学模型,并对鱼雷远距攻击命中概率进行了计算分析,对鱼雷在引导兵力通报下远距攻击的作战使用提出了对策建议。     

防空群对多批次小间隔目标射击效能评估

基于排队网络理论的适用性分析以及基本假设与适当简化,将防空群对多批次、小间隔目标射击问题转化、抽象为排队网络对顾客流的服务问题,建立了防空群对多批次、小间隔目标射击效能评估的"分布式协同排队网络"模型。在特定作战实例和假设条件下,应用所建模型,计算得出了典型火力配属方案下防空群对多批次、小间隔目标射击效能的量化结果,实现了防空群对多批次、小间隔目标的射击效能的定量化评估,验证了所建模型的可行性与有效性。     

基于建模仿真的靶标验证与确认方法研究

在武器系统试验鉴定中,靶标模拟威胁目标的逼真程度直接关系到试验结果的可信度,关系到靶场试验质量和效益。因此,在武器系统试验鉴定中科学规范地选择靶标、评估靶标对试验结果的影响至关重要。本文分析在试验选靶中进行靶标验证和确认的需求,解析相关概念,阐述了建模仿真对靶标的验证和确认的重要作用;以空中靶标为例,重点研究基于建模仿真的靶标验证与确认方法。     

通用扩张状态观测器鲁棒飞行控制方法

针对存在参数不确定、外界干扰与测量噪声情况下飞行控制问题,提出一种基于通用扩张状态观测器的鲁棒飞行控制方法。首先基于状态相关的Riccati方程（SDRE）控制方法,对飞行器俯仰通道非线性模型进行扩展线性化;而后引入基于通用扩张状态观测器的控制方法,设计干扰补偿增益,实现对外界干扰的估计与补偿;最后通过在线解算状态相关矩阵及代数黎卡提方程,得出状态反馈增益与干扰补偿增益,实现对飞行器期望攻角的跟踪控制。通过与已有方法进行对比,验证了本文所提方法不仅对系统模型不确定性与外界干扰具有较强鲁棒性,而且在较大测量噪声情况下,其依然能够保证良好的跟踪控制效果,具有较强的工程应用价值。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法

研究了一种基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法,该方法可利用故障检测函数自动识别单个卫导故障,并实时剔除故障星重构观测信息序列,从而避免了对紧耦合系统的影响。构建数字化仿真环境对所研究的故障检测与隔离方法进行了仿真,仿真结果表明,该方法可在卫星发生故障时及时检测并隔离故障星,并自动实现观测信息重构,保证了紧耦合系统的精度和完好性。     

基于VR与PNN相结合的机电液控制系统故障诊断方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题,提出了一种将虚拟样机与概率神经网络相结合的故障诊断混合方法。建立系统的虚拟样机,并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验,获取故障仿真数据。经过特征提取与概率神经网络模式识别训练,形成用于诊断的知识库,从而实现故障诊断。以操舵系统作为研究案例,得到了较高的故障检测和隔离精度与较低的虚警及漏警率,验证了该方法的可行性,为大型复杂机电液控制系统故障诊断提供新的思路。