面向任务的战术行动自主协同关系模型

在信息化战争的大背景下,战术行动中团队协同作战一直是研究的重点问题,而如何建立自主协同关系是团队协同研究的一个难点问题。在分析已有团队协同理论和框架的基础上,提出一种面向任务的战术行动自主协同关系模型建立方法。该模型首先根据当前战场态势和上级任务发布自主协同任务集合,各作战单元根据战场态势和自主决策自愿参与自主协同任务,其次利用作战单元与自主协同任务间的相互关系实现对关键角色的判断。如果关键协同成员参与自主协同任务则自主协同关系建立成功,反之,建立失败。     

亚临界航速时双船水压场数值计算与实验研究

基于RANS方程,采用VOF方法,选用SST湍流模式,对两艘不同排水量Wigley船同向航行时的水压场进行了数值计算,并开展了双船水压场的实验研究,计算结果与实验结果吻合良好。研究表明:双船在浅水中航行时,由于两船及其引起的兴波相互作用,双船水压场负压峰值和负压延时等特征与两船相对位置密切相关,与单船水压场特征有明显区别。     

不同羽流模型在封闭空间池火灾中的应用

利用不同羽流模型对封闭空间火灾进行建模,在结合实验测出的热释放速率基础上,计算了不同羽流模型下的烟气填充时间和温度变化情况。将计算结果和实验数据进行了对比,分析了不同羽流模型的适用性。结果表明:火灾初期,4种羽流模型下的烟气填充速度相近,其中McCaffrey羽流模型与实际烟气填充过程最为接近;火灾后期,Zukoski羽流模型最接近实际烟气填充过程;火灾过程中,Thomas羽流模型和Zukoski模型计算结果非常接近,Thomas羽流模型更适用于一般的工程计算;4种羽流模型下的烟气层温度和实验结果有很大差异,实际工程中均不建议用来预测烟气温度。     

多平台对AAM协同制导交接班模型

通过对协同制导交接班的类型进行分析,建立了防空武器系统对AAM(Anti-aircraft Missile)协同制导交接班的坐标转换模型、误差模型及雷达截获概率模型。通过模拟产生随机误差,利用Monte-Carlo方法进行计算,得出不同误差源对协同制导交接班概率影响的定量关系。实验结果证明了所建模型的有效性,误差分析结论可作为协同制导交接班精度控制的依据。     

震灾应急物资动态需求预测模型研究

为提高应急物资需求预测方法的实用性,同时考虑提前期和需求的不确定性,采用安全库存理论构建震灾应急物资动态需求预测模型,以观测得到的实际到货量、实际消耗量和实时剩余库存量等信息来动态预测当前时刻应急物资的需求量。应用算例表明,所建模型不仅能够准确反映需求量与被保障人员总数的正相关关系,而且还能实时体现被保障人员总数的变化情况。因此,该模型能够为震灾过程中应急物资需求量的确定提供科学决策依据,具有一定的实用价值和应用前景。     

基于保障时间窗的油料调拨运输模型

通过引入保障时间窗,同时考虑油料保障的时间约束和运力约束,建立了基于保障开始时间最早,并尽可能满足保障需求量的调度模型。针对问题的多目标性,基于理想点法将初始模型转化为单目标优化模型。采用粒子群算法对模型进行求解,并设计了算法编码和求解步骤。通过算例验证了模型和算法的可行性及有效性。     

基于正交试验法的冗余捷联惯组故障诊断实验方法研究

冗余捷联惯组是运载火箭控制系统的重要设备,需要对其进行故障检测和隔离以保证系统正常工作,所应用的故障检测算法需要进行有效性评估。由于惯组器件配置和故障形式的多样性,所有故障情形进行逐一测试不可能的,因此提出利用正交试验法安排实验,对广义似然比故障检测算法进行性能检测。试验结果表明应用正交试验实现了故障情形的良好覆盖性,有效减少了试验次数,并且从测试数据中验证了故障检测算法的有效性。     

装备寿命预测的平行仿真模型在线演化方法

在面向装备剩余寿命预测的平行仿真技术研究基础上,统一了不同退化状态下的状态方程,提出了预测模型形态库的构建方法和预测模型形态选择算法,设计了“模型形态库构建—模型选择—数据同化—模型演化”的模型在线演化工作流程,运用扩展卡尔曼滤波和极大似然估计算法,实现了面向装备剩余寿命预测的平行仿真模型在线动态演化。通过仿真实验验证了模型形态选择算法和模型在线演化工作流程的有效性,取得了较好的仿真效果。     

多基准站相对定位算法及先验基线向量偏差影响分析

为提高单基准站短基线相对定位解算的可靠性,研究了多基准站约束的相对定位算法。将基准站间可提前测量的先验基线信息融入观测模型中,给出了多基准站相对定位的函数模型和随机模型,在此基础上推导了模糊度精度因子的解析表达式,揭示了基准站数量的增加对模糊度浮点解精度提升的作用;从理论上分析了基准站间先验基线信息中的偏差对模糊度解算的影响,分析表明,当先验基线各分量偏差的绝对值之和小于5 cm时,模糊度解算几乎不受影响;通过仿真和实测数据进行了验证。试验结果表明,增加基准站数量不仅能有效提升模糊度解算成功率和收敛速度,并且对先验基线信息中的偏差具有较好的抑制作用,当基线各分量偏差均增加到4 cm时,实测数据模糊度解算成功率仍能达到92%以上。研究结论为特殊场景下多基准站间的快速非精确标定提供了理论依据。     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。