天基支援下区域反导组网作战链路规划

天基信息支援下区域反导组网作战各系统实现互连、互通、互操作的关键是战术信息分发系统,而该系统中存在着多种类型的数据链路,这些链路之间又存在着各种约束条件,因此科学合理的对这些链路进行规划是系统实现的重要工作之一.建立并提出了天基信息支援下区域反导组网作战战术信息分发系统数据链路的规划模型和一种新的解算方法,为该系统数据链路的规划提供了理论依据.     

谈峨眉山景区消防规划编制

针对世界自然和文化双遗产的峨眉山景区的消防安全现实情况,分析了该景区主要面临的消防安全问题,提出了在编制自然和文化遗产地自然消防规划时应注意的问题及解决办法。     

科学制定发展规划 彰显地方高校职能

地方高校制定发展规划是适应国内外高等教育发展的客观需求,是区域经济社会发展的必要需求,是高校自身发展的迫切需求。地方高校要履行高校职能,更好地为地方经济社会发展服务就必须科学制定规划,特别是要战略规划学校的办学定位、特色和目标。同时,规划的实施要强调监控并要与高校职能协调统一。     

雾化液滴在气道内的动力学特性及其影响因素

基于单颗粒动力学,用Lagrangian方法建立了液滴在气道内运动的数学模型,用Runge-Kutta法对液滴运动方程进行了数值求解,得到了液滴速度、相对雷诺数和阻力系数沿气道轴向的变化规律,并分析了重力场、液滴粒径、液滴初始速度、液滴出射角度对液滴运动轨迹的影响.结果表明,液滴在气道内的运动分为变速段和恒速段,液滴粒径、初始速度及出射角度等因素对雾滴的运动轨迹也有很大影响,雾滴运动分析时一般不应忽略重力场的作用.     

一种防空指令修正弹控制模式研究

针对防空指令修正弹的方案设计问题,探讨了一种通过选择弹丸在有控段某点停止控制而恰能完成修正指标的外弹道控制模式,推导了有控弹丸平均侧向速度和剩余飞行时间的估算公式,给出了最佳停控点的确定判据.对上述控制模式进行了仿真计算,得到不同修正条件下的侧偏修正量及攻角曲线.仿真结果表明,该控制模式具有较高的控制精度,侧偏修正最大误差不超过±2.5%,且在该模式下弹丸也可保持飞行稳定.该研究结果可用于指导防空指令修正弹的方案设计.     

作战文书自动生成系统中内容规划的设计

作战文书拟制是 C3I系统中的重要工作 ,利用自然语言生成理论实现作战文书的自动生成可大大提高文书拟制的效率。通过对大量作战文书文本的仔细分析 ,构造出各类作战文书的 Schem a库 ,并以扩充转移网络图表示。遍历该网络图 ,利用 Schema上的修辞谓词从知识抽取相应的知识 ,便可构造出文书内容。     

大型电动力鱼雷动力电池管外激活发射对初始弹道的影响

通过对大型电动力鱼雷初始弹道的仿真结果与试验数据的对比 ,表明仿真基本反映了实际情况 .在此基础上 ,通过对大型电动力鱼雷一次动力电池不同激活时间的管外激活发射初始弹道的仿真 ,证明了将现用设定参数进行合理调整并提高动力电池性能 ,实现动力电池管外激活发射是可行的 .     

高超声速伸缩翼变形飞行器轨迹多目标优化

针对高超声速条件下变形技术的应用模式,对具有伸缩翼的组合式飞行器滑翔弹道进行了多目标优化研究。介绍了伸缩翼的变形模式,给出了不同变形状态下的气动特性;建立了三自由度滑翔轨迹动力学模型和伸缩翼前缘热流计算模型;采用MOEA/D多目标优化算法,以变形条件和飞行攻角为设计变量、以最大射程和最小翼前缘总吸热量为目标函数,进行了多目标优化计算。优化结果表明,MOEA/D计算得到了相对均匀分布的Pareto最优解集,将伸缩翼外形与无变形外形相比,飞行器滑翔段射程得到了显著提高,同时伸缩翼前缘总吸热量有明显的降低。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

基于改进协同遗传算法的有效载荷系统功能序列规划方法

针对传统回溯算法在求解基于知识模型的有效载荷系统功能序列规划问题中搜索效率低的问题,提出一种基于"择劣变异"(Worst Individual Mutation,WIM)策略的协同遗传算法(Co-evolutionary Genetic Algorithm,CGA)的改进算法WIM-CGA。该算法在遗传过程中采用双路线进化方案,即"择优实施标准遗传过程,择劣实施变异操作",达到提高求解精确度及搜索效率的目的。仿真结果表明,同等测试条件下,当功能规模为50,约束密度为1.0时,WIM-CGA算法在限定时间内最优解的平均精确度比优化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且当所得解的精确度大于90%时,WIM-CGA算法比CGA算法的迭代次数减少了65.79%,耗时降低了48.97%,显著提高了功能序列规划的效率。