区域联合作战装备保障任务分配模型

现代信息化战争是体系与体系的对抗,区域作战联合装备保障成为信息化条件下装备保障的主要方式,实施科学正确的装备保障指挥,进行保障任务分配对于提高保障效益具有非常重要的意义。通过区域作战装备保障任务的特点,依据区域保障要求建立了包括转场时间在内和不同作战方向上作战单元的重要程度不同的装备保障任务分配模型,保证了重要方向上最晚完成保障任务的作战单元保障时间最短和非重要方向上最晚完成保障任务的作战单元保障时间最短。最后,应用遗传算法给出了区域联合作战装备保障任务分配模型的求解方法和步骤,具有一定的科学性和实用性。     

导弹装备战场抢修交互式电子技术手册的制定

导弹装备战场抢修中无法快速、准确地在大量的纸质技术资料中找到所需技术信息,必须将其转换为电子文档,并设计导弹装备战场抢修交互式电子手册(IETM)。采用了基于贝叶斯网络诊断战场损伤的快速评估方法,以及面向任务的基于抢修经验与决策理论相结合的综合评价与决策方法,完成了该交互式电子手册的设计及相关功能的实现。该交互式电子手册能保证导弹装备在战场抢修中快速、准确找到所需技术信息的问题,提高了装备的维修效率,并对其他大型复杂装备交互式电子手册的设计也有指导和借鉴意义。     

坦克直瞄/间瞄射击一体化火控技术

直瞄射击方式是目前坦克采用的主要射击方式。直瞄射击方式受战场通视度及瞄准装置视距的影响,最大射击距离一般在5 km左右。间瞄射击方式不需要直接瞄准目标,不受战场通视度的影响,最大射击距离主要取决于火炮及弹药的性能,一般在10 km以上。未来坦克应具备直瞄射击与间瞄射击一体化能力。通过直瞄/间瞄射击火控技术的对比与分析,提出坦克直瞄/间瞄射击一体化火控方案。一体化火控具有新的技术特色,具有更强的综合作战能力,是未来坦克火控技术发展的一种趋势。     

一种改进的机载反辐射导弹作战效能评估方法

大气波导对反辐射导弹作战效能将产生一定的影响。根据机载反辐射导弹攻击水面目标的作战流程确定评估指标,基于传统的概率评估方法,引入大气波导影响因子,建立一种改进的大气波导条件下机载反辐射导弹作战效能模型。应用实例表明在大气波导条件下反辐射导弹的作战效能有所提升,符合大气波导对反辐射导弹作战能力产生有利影响的实际情况,验证了该模型的有效性和实用性,为机载反辐射导弹作战效能评估提供了一种新的方法和途径。     

装备技术体系结构演化和超网络建模

装备技术体系结构演化模型是把握装备技术发展规律和制定发展战略的基础。文章系统梳理装备技术发展的体系特征,深入分析了其体系演化动力、要素和过程,将演化实体与关系抽象为超网络的节点和边,可以给前沿技术探测和装备技术体系评估提供新思路。     

简谐外磁场环境下J-C模型的热力学纠缠

以简谐外磁场环境下的J-C模型为研究对象,从系统的哈密顿矩阵出发,通过计算模拟得出热力学纠缠度解析表达式。计算结果表明,对应于不同的外磁场强度,系统热力学纠缠度呈周期性余弦变化,但随环境温度升高快速衰减;在相同环境温度下,系统热力学纠缠度关于磁场强度左右不对称变化。     

水顶油顺序输送油水混合模型研究

顺序输送是利用一条管道输送多种油品,因其可最大限度发挥管道输送潜能而被广泛应用。按照前后行液体不同可分为水顶油、油顶水和不同油品间顺序输送等,其中水顶油顺序输送主要用于管道撤收前的排空作业。对水顶油顺序输送油水混合过程进行了分析,建立了油水混合模型,利用CFD对其进行数值求解,并将仿真结果与前期理论分析进行了对比,两者吻合较好。所得结论可为机动管线水顶油排空作业提供科学指导。     

基于SCAS的防空反导装备体系作战能力指标设计

指标设计是进行武器装备体系发展论证和作战效能与作战能力评估分析的基础。着眼体系作战效能与作战能力评估分析需求,基于传感器（ Sensor）、控制器（ Controller）、执行器（ Actuator）、支持器（ Supporter）的柔性建模方法,对防空反导装备体系作战能力指标进行了设计,构建了其侦察预警能力、指挥控制能力、拦截打击能力、综合保障能力评估指标体系,并利用结构方程模型（ SEM）对指标之间的影响作用关系进行了分析,可为防空反导装备体系建设与运用提供重要借鉴。     

巡航导弹INS/视觉组合导航方法

巡航导弹仅依靠惯性导航系统进行导航时,其导航误差将随着时间的累积不断变大。INS/GPS是最常用的组合导航方式,但存在战时不可用的缺陷。为此提出了一种基于EKF的巡航导弹INS/视觉组合导航方法。利用巡航导弹相对于单个已知点地标的视觉信息(方位角和高度角)和高度信息,巡航导弹INS的位置和速度误差能够同时被估计出来。最后,仿真验证了该方法的有效性。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015