舰载机回收任务的优化调度算法及仿真

针对舰载机回收过程中,飞行甲板跑道容量的瓶颈问题,比较了几种常见的排序算法,并运用Mat-lab和Lingo软件分别对先来先服务、基于最早到达时刻、滑动窗3种算法进行了计算机仿真。仿真结果表明,滑动窗排序法排序结果最好。最后,指出了滑动窗初始窗口飞机数目和移动步长对算法复杂度和排序结果的影响。     

一种基于粒子滤波的水下地形匹配算法研究

引入了剩余重采样的概念,通过权值分类和剩余权值重采样两个步骤完成粒子的复制,提高了运算速度.使用三次样条插值的方法对深度数据进行插值,构建了湖泊水下数字高程模型.通过仿真证明了该算法的可行性,并分析了匹配误差与水下地形的关系.     

基于离散降雨衰耗状态的卫星信道模型

针对Ka频段卫星信道中降雨衰耗的统计分布特点,建立了基于离散降雨衰耗状态的卫星信道模型,模型中各状态组成离散的Markov链并由其转移概率矩阵来表示,分析此模型下的信道误比特性能和数据包丢失性能。此模型能够适用于链路层以及高层通信协议。     

基于随机时间的导弹机动路径规划研究

根据导弹作战机动过程各路段机动时间随机性特点,运用随机规划理论建立了导弹机动任务规划的数学模型,设计了遗传算法求解策略,实现了在一定时间内合理地规划机动路线的任务,并通过算例作了说明。该方法可用于导弹机动路径选择,为导弹作战机动计划的制定提供决策依据。     

动初级高速六相直线感应电机工作特性分析

为了准确刻画对象模型,采用一阶等效电路瞬态涡流分析法对动态边端效应影响下动初级高速六相直线感应电机的参数时变规律进行了定量计算,并通过感应涡流损耗推导得到考虑动态边端效应时电机的等效电路.基于此,通过电磁推力计算及效率评估对动态边端效应影响下电机的工作特性进行了详细分析.利用不同运行速度条件下的有限元仿真及动态实验验证...     

SpaceFibre网络服务质量时隙资源分配算法

为保证SpaceFibre星载数据网络大量实时数据流的超高速确定性传输,提出一种包含两个子算法的SpaceFibre网络服务质量时隙资源分配算法.形式化描述网络服务质量机制,给出调度矩阵相关定义;创建网络服务质量排队模型,定量分析时隙资源分配对网络时延性能的影响;考虑网络兼容性和算法鲁棒性,给出改进二进制序列调度子算法...     

滚动球变换支持下的TIN-DDM地形特征线自动提取方法

针对传统规则格网数字高程模型地形特征线提取方法中存在阈值难以定量调控、连接方式无法自适应调整以及地形特征线类型不完整的问题,将滚动球变换模型应用于不规则三角网数字水深模型(triangulated irregular network digital depth model,TIN-DDM)地形特征线的自动提取,在构建临界滚动球半径关联的地形特征点定量识别判定准则基础上,引入地形形态边界点概念,采用逆向工程的建模思路,建立了以剖分单元为基础的地形特征线自动提取模型,结合地形类型判定准则的多尺度表达特性及顾及水深数值的地形特征优化模型,提出了可多尺度表达且类型完整的地形特征线自动提取方法。试验结果表明:相比于经典地表流水模拟方法,该方法可实现完整、连续且细分的TIN-DDM地形特征线自动提取及多尺度表达,且提取的地形特征线具有更高的地形重构精度。     

相干累加与AR滤波相结合的舰船轴频电场信号处理方法

针对采用电场传感器阵列测量舰船电场的应用场景,为提升目标轴频电场的信噪比,提出一种相干累加结合自回归(autoregressive, AR)模型滤波的方法对阵列电场信号进行处理。对测量得到的阵列电场信号进行时延补偿后累加,同时对环境电场信号进行AR建模,并利用AR模型参数构造滤波器,以对累加后的信号实施滤波处理。为验证所提方法在低信噪比条件下的有效性,对实测阵列式电场信号进行处理,结果表明,所提方法能够在信噪比为-25.39 dB的条件下有效压制噪声频谱,保留轴频线谱,处理后信噪比提高约21.92 dB。     

未确知条件下多枚导弹打击不规则面目标的毁伤效果评估

在信息缺乏的情况下,如何提高对多枚导弹打击不规则面目标毁伤效果评估的可信度是导弹作战运用研究的重难点。通过蒙特卡罗方法建立给定参数下的面目标毁伤效果评估模型;采用信度分布函数对该问题的未确知性进行评估,评估结果显示毁伤效果未确知性较高;基于信度熵,分析导弹各个属性的未确知性对毁伤效果未确知性的影响;通过针对性减小影响大的属性的未确知性,迭代减小毁伤效果的未确知性。仿真实验结果表明面目标有效毁伤率的未确知范围得到显著减小。该研究能够有效指导毁伤效果评估工作,减小其中的不确定性。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。