大气气溶胶对激光制导探测作用距离影响的数值分析

针对大气气溶胶辐射传输衰减效应是影响1.06μm激光武器系统性能的重要因素,探讨了大气气溶胶对1.06μm激光探测作用距离的影响,构建了激光制导波段探测作用距离模型,并在此基础上进行激光探测作用距离的大气气溶胶影响数值仿真。试验表明,基于该模型计算的大气透过特性准确度基本符合国际公认理论分析值,对作用距离的评估结果与客观实际基本相符,对最大限度分析利用战场气象环境以确保武器作战性能的充分发挥具有重要价值,可为激光探测作用距离的气象环境影响后续发展奠定一定基础。     

基于混合星座的卫星导航系统功率增强服务性能分析

在导航战中,卫星功率增强技术是提高战区卫星导航系统生存能力的重要措施.针对导航战背景下如何保持Compass系统对我国领土及周边区域导航服务能力的问题进行了研究,提出了一种基于混合星座和最优GDOP值准则的卫星导航系统功率增强方案,并就功率增强覆盖区域在不同实现方式条件下的覆盖性、可用性和实现复杂度等性能进行了对比分析.分析结果表明,采用“5GEO +4MEO”的功率增强组合形式,可以实现对我国领土及近海区域的全天时覆盖,可用性水平达到100％( GDOP ＜6.3),同时具有实现复杂度低和系统稳定性好等特点,可作为我国区域功率增强的备选方案.     

具有优先级消息的AFDX建模与性能分析

以Petri网为工具,建立了基于具有优先级消息传输的AFDX(航空电子全双工以太网)网络模型,通过仿真,求解出消息发送时的平均等待时间,得到的指标结果验证了高优先级数据消息帧发送等待延时明显小于低优先级数据消息帧的发送等待延时,充分说明了优先级对紧急数据传输的重要性。模型有助于进一步理解航电系统不同优先级消息在AFDX网络中的传输机制,为以AFDX为总线的综合航电系统的设计和完善提供重要的理论依据。     

空战拦射攻击自主优化瞄准控制方法

为了解决空战自主拦射攻击问题,提出了一种自主优化瞄准控制方法。首先描述了自主拦射攻击需要解决的问题;然后给出了基本解决思路并推演出瞄准偏差方程;接着创建了自寻优瞄准控制模型并设计了瞄准控制过程;最后通过仿真实验进行了与比例导引控制方法的对比测试和鲁棒性测试,结果表明自主优化瞄准控制法对于解决自主拦射攻击问题非常有效。     

一种新的雷达抗干扰技术

提出了一种新的雷达抗干扰技术,即波形选择处理技术,指的是从接收的回波中分析出哪些脉冲未受干扰或受干扰程度较小,从而可以有选择地将这些脉冲信号进行相应的信号处理。分析结果表明,通过对回波进行波形选择处理,可以进一步增强雷达的抗干扰能力。     

结合离差最大化的多属性群体决策TOPSIS威胁评估

针对传统理想解逼近排序法(TOPSIS)在确定多个属性权重系数上存在主观性和盲目性,并且所作决策多为单一决策,精确度不高等问题,提出结合离差最大化原理的多属性群体决策TOPSIS改进模型,利用离差最大化原理确定属性权值,同时引进群体决策方法。最后将该模型运用于机群协同空战的威胁评估中,建立了多目标威胁评估数学模型,并进行了全空战过程的动态仿真分析,结果表明所建立的扩展模型是合理可行的。     

美国全球作战支持系统

美国的全球作战支持系统(GCSS)是 "武士C4I"的一个组成部分,它将人员、后勤、采办、医疗等支持功能集成到一个跨功能的环境中.GCSS将实现作战支持功能之间以及作战支持与指挥控制功能之间的端对端的信息互操作,为联合作战人员提供融合、实时的多维战场视图.主要介绍了全球作战支持系统的功能、系统组成及其未来作战能力.     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。     

深入推进部队实战化基础训练

近年来,部队在实战化基础训练上下功夫,取得了一定成效,但还有相当一部分单位存在训得不全面、训得不规范、训得不精准、训得不娴熟的问题。解决这些问题,迫切需要从深化理论研究、聚焦实战要求、提升质量效益、加强监督问责等入手,加强实战化基础训练。     

平滑支持向量机的航空发动机性能衰退故障诊断

为解决发动机所监控的健康指数不能多于测量参数的问题,采用平滑支持向量机方法(SSVM),用4个参数对发动机九类衰退故障进行诊断,并与传统的支持向量机方法(采用LSSVM)进行对比.研究表明:在样本数量小、样本分布不平衡等条件的影响下,SSVM对各类部件性能衰退故障的诊断正确率均在90％以上.相对于LSSVM,SSVM无需优化参数,鲁棒性强,对样本集大小和样本集数目不平衡性的适应性良好,更适合航空发动机性能衰退故障的诊断.