战斗机末端机动的非线性模型预测控制规避策略

利用非线性模型预测控制的思想建立了战斗机末端规避导弹的机动策略求解方法。根据导弹与战机的空战态势,建立了导弹与战机的相对运动微分方程;将导弹的导引律引入到导弹运动模型中,与飞机模型一起构建了系统预测模型,并对飞机和导弹的运动约束进行了分析。通过对导弹结构限制和战术特性的分析,给出了飞机机动规避导弹的性能指标,进而建立了机动规避导弹的最优控制模型。利用高斯伪谱法对模型进行求解,采用滚动优化策略实现了对机动规避策略的闭环求解。针对导弹气动参数和导航比未知以及相对测量量具有噪声的问题,利用极大似然法对导弹的气动参数和导航比进行估计,实现了对系统预测模型的反馈校正。仿真结果表明,此方法能够实现对导弹的机动规避。     

大气对流层气体组分随高度变化的理论预期

利用大气对流层温度随高度变化的规律,采用局部平衡的多分子混合模型,从理论上论证了对流层气体组分随高度变化的规律,发现大气各主要成分体积分数、分子平均摩尔质量均随高度线性变化,并拟合数值计算结果得到了相关参数。氧气的相对体积分数随高度明显下降,而氮气的相对体积分数却明显上升;但是相比于温度随高度的变化,大气分子平均摩尔质量的改变可以忽略。该理论比以往其他模型预测大气压强随高度变化规律具有更自然、更接近实际的优势。     

双高速摄像机交汇的高旋弹丸位姿估计算法及误差分析

为了测量高旋弹丸在炮口处的各种信息,基于双高速摄像机交汇的测量方法,提出了一种新的弹丸位姿估计方法.对总攻角函数进行了误差建模与分析,结果表明两台高速摄像机的光轴应相互垂直,且应选择光轴远离攻角平面的高速摄像机所对应的测量函数计算总攻角,此时测量误差最小.以靶场实验的方式对攻角函数的误差分析结论和位姿估计算法进行验证....     

武器装备软件的可靠性分析综述

首先论述了武器装备软件可靠性的重要性,指出了软件可靠性与硬件可靠性的主要区别,并依据装备软件研制总要求及武器装备软件的特点分析了装备软件可靠性的内涵、特点,介绍了装备软件可靠性指标的确定、软件可靠性模型以及装备软件可靠性的评估,最后分析讨论了几种提高武器装备软件可靠性的方法与途径。     

海量数据装入技术研究

阐述了制约海量数据装入速度的5个主要因素,提出了减少磁盘I/O冲突、DBMS装入功能的选用、分解数据、预先排序、消除并发处理等5种主要的提高装入速度的办法,综合应用这些方法可以较好地解决海量数据装入速度慢的缺点。     

一种使用非等权值粒子的确定性粒子滤波算法

介绍了粒子滤波及随机分布的代表点理论,将统计学中的数论方法应用于粒子滤波,使用随机分布的均方差代表点,对粒子滤波中关键的初始粒子生成、重点密度采样及再采样过程给出了相应的代表点算法,得到了一个包含最少随机操作的、使用非等权值粒子的确定性粒子滤波算法。仿真结果表明,确定性粒子滤波算法不仅是可行的,而且其滤波性能及计算效率均有不同程度的提高。     

一种有效的距离连接选择度估计方法

距离连接在空间数据库中有着广泛的应用,而距离连接的选择度估计是优化距离查询的基础。通过综合分析和比较了现有的选择度估计技术,提出了一种利用米诃夫斯基和与直方图进行距离连接选择度估计的新方法。实验结果证明该种方法能够有效地进行距离连接选择度估计。     

ISAR成像方位向定标方法研究

提出了一种适合工程应用的ISAR方位向定标方法,通过对相位数据的平滑、分段、拟合,完成了对转速的快捷准确的估算,同时分析了散射点分布对定标精度的影响,结合仿真和试验数据验证了方法的有效性,并根据工程实践的经验,提出了一些提高定标精度的准则。     

基于水下地形匹配的捷联系统误差估计方法

潜器进入匹配区时捷联系统已积累了一定的误差,有效利用匹配信息对误差进行修正是保证后续航行精度的基础;通过建立水下地形匹配辅助导航系统误差模型,以地形匹配模块和深度压力传感器测量的位置信息和深度作为量测量,设计了卡尔曼滤波器。仿真研究证明:所设计的滤波器具有良好的估计精度;同时,通过设计潜器航行动作证明了相关误差量的估计效果与潜器运动激励有关,为匹配区内进行误差估计时潜器所采用的运动状态提供了参考。     

Double Mover–Stayer model on customer switching in telecommunications industry

Customer acquisition and customer retention are the most important challenges in the increasingly competitive telecommunications industry. Traditional studies of customer switching always assume that customers are homogeneous, and thus that model customer switching behavior follows a Markov formulation. However, this postulation is obviously inappropriate in most instances. Blumen et al. (Cornell Studies of Industrial and Labor Relations, Cornell University Press, Ithaca, NY, 1955) developed the Mover–Stayer (MS) model, a generalization of the Markov chain model, to relax the requirement of homogeneity and allow the presence of heterogeneity with two different types of individuals—“stayers,” who purchase the same kinds of products or services throughout the entire observation period; and “movers,” who look for variety in products or services over time. There are two purpose of this article. First, we extend the MS model to a Double Mover‐Stayer (DMS) model by assuming the existence of three types of individuals in the market: (1) stable and loyal customers, who have stable usage within the same company; (2) instable but loyal customers, whose usage varies within the same company over time; and (3) disloyal customers, who switch from one company to another to seek for new experiences or/and benefits. We also propose an estimation method for the DMS model. Second, we apply the DMS model to telecommunications data and demonstrate how it can be used for pattern identification, hidden knowledge discovery, and decision making. © 2012 Wiley Periodicals, Inc. Naval Research Logistics, 2012