装备综合保障基础理论及技术的若干问题

从装备综合保障的定义分析入手,给出了更为合理的装备综合保障的定义,分析了装备综合保障定义的内涵,以及与装备综合保障相关的概念定义。阐述了美军装备综合保障的发展历程、现状,以及我国装备综合保障发展历程、现状和存在的主要问题。详细研究了装备综合保障的基本问题,提出了装备综合保障的基础理论框架、参数体系与模型体系框架、技术体系框架、基础技术体系框架、支撑技术体系与演示验证体系框架、应用技术体系框架。给出了加强装备综合保障基础理论与技术研究的有关建议。     

装甲装备使用可用度与维修保障费用的优化模型

维修保障费用是影响装甲装备使用可用度的重要因素之一。要在有限的保障经费下实现高可用度要求,就必须建立装甲装备的使用可用度与维修保障费用的优化模型。根据装甲装备实际维修特点,在分析装甲装备预防性维修过程中故障类型多样的基础上,构建了装甲装备在给定维修周期内的使用可用度模型和维修保障费用模型,进而建立了使用可用度与维修保障费用的优化模型,提出了模型的解法和模型的改进建议。     

装备保障力量复杂适应性仿真实验研究

装备保障力量复杂适应性仿真是新形势下探索装备保障力量转型的有效手段。采用CAS理论和基于多智能体的建模仿真方法,界定了装备保障力量复杂适应性的内涵,设计装备保障复杂适应性仿真的Agent类,建立了基于向量驱动的装备保障模型,并以动态联盟为例进行了实例分析。为装备保障力量复杂适应性研究提供一种思路与方法,也可通过仿真实验获取装备保障力量建设与运用的相关经验。     

反应性树脂体系化学增黏和物理减黏机制的分离

采用等温差示扫描量热(DSC)法,研究了CTD-128环氧树脂与GA-327(DDM改性芳胺)的固化度-时间变化关系;采用AR2000EX型旋转流变仪,测试了上述体系的等温黏度-时间关系.比较等温条件下的固化度-时间关系和黏度-时间关系,建立了等温条件下的黏度-固化度的等时对应关系,结果表明在纯化学增黏机制影响下,树脂体系的黏度随固化度增加先缓慢增加,当固化度增大到一定程度后黏度快速增加.将等温条件下的黏度-固化度关系进行变换,得到恒定固化度下的黏度-温度关系,揭示了在物理减黏机制影响下,树脂体系黏度随温度的增加而降低,并且黏度降低幅度随固化度的增加而增大.两种黏度影响机制分离的实现,为反应性树脂体系实时黏度的准确预测提供了技术支持.     

基于偏最小二乘特征提取的支持向量机回归算法

为了提高SVM的建模质量,简化建模难度,提出了PLS-SVM组合回归建模方法.该方法通过PLS对样本数据进行降维、去噪以及消除共线性处理后,再进行SVM回归建模.不仅保持了SVM良好的模型性能,而且使SVM具备特征提取功能.实验结果表明,该方法是可行的,采用此法构建的SVM模型,泛化性能优于没有特征提取的SVM.     

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.     

KPLS-SVM在缺失飞参数据估计中的应用

飞行参数的缺失给飞行事故调查工作带来了很大困难.将核的偏最小二乘法与支持向量机耦合,建立基于状态匹配的飞行参数估计模型可以较好地解决缺失飞参数据的估计问题.首先将初始输入映射到高维特征空间,进而利用偏最小二乘法在特征空间中提取对缺失飞参数据影响较强的得分向量, 最后将提取的得分向量作为输入建立支持向量机模型.既克服了输入变量间的相关性问题, 又降低了支持向量机的输入维数.仿真也说明了使用该方法估计缺失飞行参数的可行性和有效性.     

警戒雷达被干扰时探测范围的实时计算方法

目前对警戒雷达抗干扰能力的研究大多以效能评估为主,具体探测范围要通过雷达抗干扰实验实际测量获得,不仅成本高、测量数据量大.而且不易实现.针对现代战争中警戒雷达所处的复杂电子干扰环境,给出了机动警戒雷达被多个远距离支援干扰机干扰时探测范围的实时仿真计算方法,对警戒雷达的威力范围或者干扰的压制范围作出定量估算,在这对于研究远距离支援干扰的时机方法和评估雷达的抗干扰性能均具有重要意义.该方法已应用于模拟训练系统中,并获得了令人满意的效果.     

论军队院校科研评价与监督机制建设

目前,军队院校科研评价与监督机制中存在着一些突出问题,在一定程度上影响和阻碍了军队院校科研工作的快速发展。分析存在问题的原因,从军队院校长远发展的战略高度充分认识创新军队院校科研评价与监督机制的必要性与紧迫性,探讨改革军队院校科研评价与监督机制的基本途径与思路,对于保证军队院校科研管理工作高效运转具有重要而深远的战略意义。     

一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。