基于UML的美军动能反卫作战系统概念建模

针对美军动能反卫作战系统,利用UML方法,对其作战仿真概念建模进行了初步的探讨。针对作战系统的反卫作战任务,首先识别系统的主要行为,利用用例图定义系统的功能需求;其次利用类图标识系统用例模型中的所有实体,并分析这些实体的关联关系;最后,采用顺序图展示对象在系统执行过程中不同阶段的动态交互。这样建立的概念模型描述规范,为下一步仿真系统的开发奠定了良好知识表示基础。     

飞航式助飞鱼雷指令修正时机仿真

为解决飞航式助飞鱼雷指令修正时机的选择问题,介绍了其对潜攻击过程及射击方法,分析了选择指令修正时机应考虑的主要因素,建立了飞航式助飞鱼雷作战仿真模型。通过仿真计算得到了指令修正时机的确定原则。提高了飞航式助飞鱼雷的攻潜能力,为制定与优化指令修正方案提供了理论依据。     

复杂目标毁伤效果评估关键问题分析

复杂目标毁伤效果评估一直是毁伤效果评估中的重难点问题,作为作战指挥决策的重要依据,对其关键问题进行分析和研究具有重要现实意义。首先总结和梳理复杂目标毁伤效果评估的基本思路,在此基础上归纳出复杂目标毁伤效果评估的一般步骤,并构建毁伤效果评估的基本框架,明确其中的关键环节和问题,并基于现有复杂目标毁伤效果评估的方法和模型对其进行详细的论述和分析,最后指明未来发展的方向。     

量子技术在武器装备中的应用展望

量子技术是基于量子力学和其他学科交叉产生的新兴学科,已经涉及到计算、信息、导航、能源等多个应用领域。近年来,随着量子技术的快速发展和应用潜力,量子技术已成为研究热点并逐步走向应用。与此同时,世界新军事革命发展中武器装备须具有远程精确化、职能化、隐身化、无人化的技术特点。结合量子技术的特点,从量子计算,量子通信与量子密码、量子控制、量子导航、量子雷达,量子电池,量子技术对作战模式的改变等方面对武器装备领域的应用、作战能力和作战模式进行阐述。研究表明,量子计算的发展必然使现有武器装备的性能得到提高、作战能力得到提升,进而改变现有作战模式。     

信息化条件下靶场试验任务针对性训练实战化问题研究

信息化条件下,面向实战的靶场试验任务针对性训练发生了深刻的变化,文章通过分析新形势下试验任务针对性训练存在的主要问题,研究信息化条件下实战化针对性训练的内容及趋势,总结与探索新的训练方法,建立健全考核与评价制度,提升试验任务针对性训练的质量效益及实战化能力。     

网络空间联合反恐作战信息共享能力分析与评估?

在网络空间联合反恐作战信息共享能力构成框架的基础上,分析了信息共享能力生成的相关要素及其内部关系,并利用信息熵理论建立了信息共享的时效熵、质量熵、成本熵模型。通过对传统树形链状和新型网状循环两种信息共享模式进行仿真分析,为不断提高信息共享能力进行了有益探索。     

海军兵棋演习系统研究

兵棋演习系统是我军未来开展模拟训练的重要手段,针对国内外对兵棋推演系统现状及技术发展趋势进行研究,提出海军兵棋演习系统的发展方向和设计方法,并结合海军兵棋推演的研究内容重点,给出作战规则建模、指挥关系建模等主要关键技术的解决方法,为我国海军未来兵棋推演系统设计、研究和发展提供技术支撑。     

武器装备作战效能灰色聚类评估

武器装备作战效能的指标是多样的,而且意义不同、量纲不同,且指标的实现值往往在数量上悬殊很大,如何在这种情况下比较好的解决作战效能综合评估问题,提出了基于灰色定权聚类和三角白化权函数的灰色聚类评估方法解决此问题,给出了应用的一般步骤。以某型水陆坦克为例,对其改装前后的作战效能进行了对比分析,并为其将来进一步改进提出了建设性建议。     

单总线智能型温度传感器的应用研究

针对比较复杂而重要的电子装置或系统在运行时 ,由于元器件等的发热可能引起整个装置甚至系统瘫痪的问题 ,研究了应用单总线智能型温度传感器 ,对装置实施随机温度检测和越限报警 ,给出了温度传感器测温系统原理图及原理电路图 ,并对相关的几个问题进行了讨论 .     

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