一种舰船目标一维距离像识别的新方法

提出了一种基于傅里叶-梅林变换和二叉树支持向量机相结合的舰船目标一维距离像识别方法。该方法充分利用了傅里叶-梅林变换具有的时移与尺度不变性和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能。针对多类舰船目标的识别,提出采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量。对4类舰船目标仿真实验的结果表明,该分类方法具有较高的识别性能、较快的识别速度。     

作战系统MAS中的作战行动域与实际组元逻辑关系分析

建立作战系统多Agent系统(Multi-Agent System,MAS)组织,必须首先建立由作战系统实际组元到Agent的映射。围绕作战系统MAS的建立,在提出由作战系统实际组元到Agent的映射过程与方法的基础上,提出了作战系统领域概念视图、作战行动域及其各层次概念、实际组元逻辑关系分析的基本方法,为实现基于多Agent的作战系统建模与仿真奠定基础。在基于多Agent的信息化战场多传感器仿真演示系统中,证明了该方法的可行性与有效性。     

基于神经网络的柴油机技术状态主元信息提取方法

在柴油机技术状态监测时,表征其技术状态的特征参数有很多,合理提取状态主元信息是一项关键的任务。分析研究了人工神经网络的信息提取原理和方法。以某型坦克柴油机为例,通过柴油机性能检测试验测取了能够反映柴油机技术状态变化的典型特征,建立了O ja神经网络信息提取模型,提取了柴油机技术状态的主元信息。分析结果表明:提取的主元信息能够反映柴油机技术状态随柴油机使用时间的变化趋势。该方法为坦克柴油机的技术状态监测与故障诊断提供了有效手段。     

一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。     

陆军战术部队用天体系能力研究

以未来信息化战场联合作战为背景,强调天基资源在陆军战术部队作战体系中的重要地位,深入分析美国陆军天基资源运用现状和能力形成途径,从陆军装备转型建设实际需求出发,研究陆军用天(基)体系架构,阐述体系能力特征。     

基于调频傅里叶变换的高速目标ISAR距离像算法

在大时宽带宽线性调频(LFM)体制高分辨逆合成孔径(ISAR)雷达中,目标高速运动将引起严重的回波多普勒色散,如果不消除该影响则不能正确成像。针对该问题,设计了一种通过调频傅里叶变换对目标脉内运动参数进行估计,补偿回波脉内走动得到目标距离像的方法。该方法首先估计脉内运动参数,初步补偿脉内走动,然后估计运动轨迹进一步精确补偿脉内走动,补偿脉内走动后通过包络对齐消除脉间走动,得到目标距离像。算法的主要过程在脉冲重复周期内进行,可以满足实时成像和参数估计的需求。     

水下缩比航行体热尾流的红外探测实验研究

根据缩比模型,建立了缩比红外成像实验测试系统,对水下航行体的体积、航行深度、运动速度、尾流排放等进行了缩比设计,设计了多种实验工况,可实现缩比目标模型红外尾流的静态和动态测试,一方面明确红外尾流的可探测性,另一方面掌握红外尾流可探测性的影响因素以及红外尾流的变化规律,为下一步工作奠定基础。     

基于高阶谱分析的机械故障特征识别

在分析高阶累积量与高阶谱的理论基础上,利用高阶谱可以抑制加性高斯噪声的性质,研究了基于高阶谱分析的机械故障特征提取方法,提出了基于双谱估计的齿轮故障诊断的方法。通过对齿轮信号的双谱特征图谱进行分析比较,成功地对齿轮的正常稳态振动信号、正常瞬态振动信号以及磨损瞬态信号进行了识别,效果十分显著。     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器,对同步发电机励磁控制系统进行仿真。仿真结果表明,在系统遭受扰动或突加减载时,所设计的模糊神经网络励磁控制器具有良好的控制效果。     

基于随机森林法的机械变速箱技术状态评估

将随机森林RF(Random Forests)引入到机械设备技术状态评估领域,对某型坦克不同劣化程度的变速箱振动加速度信号数据进行分类研究,分类精度达到97%以上,证实了此方法的有效性。基于RF的评估方法具有组合分类器精度高、树型分类器运行速度快的特点,在机械设备状态识别、故障诊断中表现出了良好的性能。