基于模糊物元分析法的坦克作战效能评估

鉴于坦克作战效能评估中客观存在的不确定性和模糊性,提出了基于改进模糊物元分析方法的坦克作战效能评估模型。该模型在构建坦克作战效能评估指标体系基础上,将层次分析法和熵权法计算出的权重有机组合实现综合赋权,并据此建立坦克作战效能的模糊物元分析评估模型。实例分析表明,所提出的模型便于理解,易于实现,兼顾了主客观因素的影响,评估结果总体反映了坦克作战效能的真实水平,也为其他装甲武器作战效能的科学评估提供新思路。     

频率分集阵列的有源假目标鉴别方法

针对雷达对抗中转发式欺骗干扰的抑制问题,提出一种基于频率分集阵列的干扰鉴别方法。频率分集阵列中,目标回波在相邻阵元间产生的相位差与距离、角度呈线性关系,而假目标不满足该关系。对目标回波和多类假目标干扰在频率分集阵列接收端的相位差进行理论推导,详细分析匹配滤波、信号混合、移频等因素对相位差的影响,并给出了假目标鉴别的具体流程。理论分析及仿真结果表明,该方法能准确提取混合信号的相位差信息,有效对抗多种类型的转发式欺骗干扰,且鉴别性能对干信比、信噪比均不敏感,具有较强的环境适应性。     

分布式异构集群中节点优先级调优算法

节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。     

基于向量相似度的组合赋权方法

针对多属性决策中属性权重的确定问题,提出了一种基于向量相似度的主、客观权重的集成方法。用权向量的相似度作为不同赋权方法重要性的度量,意义明确,计算简单,可操作性强。最后结合算例验证了此方法的有效性和实用性。     

临近空间高超声速目标上升段拦截需求分析

针对临近空间高超声速目标(NSHT)防御问题,从NSHT的特点出发分析上升段拦截面临的难点,并建立了空基拦截模型,以此为基础分析拦截武器所需的能力并确定其指标,对于拦截系统的建设具有一定的借鉴意义。     

天线阵载波相位双差的欺骗干扰检测技术

针对采用单一发射天线的导航信号欺骗干扰,研究了基于天线阵载波相位双差的欺骗干扰检测技术,采用代数方法证明了三元非线阵是进行导航信号到达角无模糊解算的最少阵元数和阵型要求,并以相应阵型为基础,提出了基于天线阵载波相位双差的欺骗干扰检测量构造方法,给出了检测性能的分析方法,定义了用于限制检测性能下降的最小检测门限。采用蒙特卡洛方法对所提检测方法的检测性能进行了仿真,结果验证了理论分析的正确性。     

利用时间窗权重进行航迹关联

提出一种利用传感器测量数据的时间窗权重进行航迹关联的方法,将目标运动状态的多维向量(如距离、方位角、俯仰角等)分解为多个一维状态标量;根据每个状态标量与时间的关系,提取两条航迹的共同测量时间区间,将其划分为若干个时间窗,计算对应时间窗内的权重;根据时间窗权重差计算每一个状态标量的航迹相似度;应用DS理论或Bayes理论进行航迹关联决策。     

因素状态值为模糊数的变权综合决策方法

对因素权重为实数、因素状态值为模糊数的多因素不确定性决策问题,由实数型状态变权向量导出模糊数状态变权向量,得出模糊数变权公式,建立模糊数变权综合决策模型,最后给出一个应用模糊数变权综合决策模型的实例.     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能.并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率.