高海情对反导舰炮命中概率的影响

根据某型反导舰炮配装的舰船摇摆特性及海浪运动数学模型,首先模拟得到高海情舰船摇摆趋势图;然后分析了高海情对反导舰炮射击诸元的影响;其次,采用变换抽样法在高海情射击诸元变化范围内随机产生方位角和高低角增量,通过解6自由度弹道方程计算方位角和高低角增量概率误差,再根据概率误差解算高海情条件下系统的命中概率;最后,对大量的仿真计算结果进行统计分析,得出了具有实用价值的结论,为靶场试验及系统精度设计提供参考。     

空地导弹对飞机掩蔽库的毁伤效能评估

针对典型飞机掩蔽库目标,研究空地导弹对两种不同停放方式飞机的毁伤效能评估方法。首先定义了飞机的毁伤等级,其次构建了聚能侵彻战斗部对飞机掩蔽库的毁伤模型。最后通过蒙特卡罗仿真方法研究空地导弹对掩体内停放飞机的毁伤效果,并且计算了导弹的杀伤概率。仿真结果表明所建模型和采用的评估方法具有较强实用性和可操作性。     

连续波强激光武器动态毁伤概率的非毁检测法

给出一种强激光武器与目标存在相对运动时的毁伤概率(动态毁伤概率)在非致毁条件下的检测方法。该方法是在已知强激光对目标的致毁时间、一次发射时间的基础上,在武器的跟瞄子系统对目标无毁的跟踪试验中,通过检测跟踪误差在射击门内外交替出现的时间间隔,给出动态毁伤概率的点估计,以及在既定置信度下,动态毁伤概率的置信区间,同时还能判断所测毁伤概率是否处于最佳状态,为进一步优化动态毁伤概率提供依据。     

连续波强激光武器的动态毁伤概率数学模型

在强激光武器的跟踪误差为均方可导、各态历经、零均值的正态过程的条件下,通过明晰的物理概念与严谨的数理演绎,导出了它的动态毁伤概率的级数表达式。通过算例探讨了动态毁伤概率的性质:它存在两个极大值所对应的随机穿越的自然频率,当跟踪系统工作在其中的非零频率上时,更具有快速反应能力;展现了跟踪误差的传递函数与动态毁伤概率间的定量关系。为论证、设计、检验强激光武器系统的动态毁伤概率提供了理论依据与技术支持。     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。     

相控阵雷达LPI搜索方法研究

相控阵雷达可通过合理配置工作参数优化其性能。针对相控阵雷达在搜索目标时易受敌方电子侦察设备威胁的现实,研究了在保持搜索能力的同时,通过合理配置参数降低截获概率的问题。分析了影响相控阵雷达搜索状态LPI(Low Probability of Intercept)性能的主要因素,建立了截获概率模型与搜索能力模型,给出了3种参数调整策略。仿真试验验证了模型的有效性,并比较了3种策略的优劣。     

基于Petri网的C2S性能分析方法研究

给出了用时间连续随机Petri网和时间离散随机Petri网计算系统稳态概率的方法,并将其应用于指挥控制系统(C2S)的性能分析中,分析结果表明这种计算方法是可行的。     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。     

Adaptive random search for continuous simulation optimization

We present, analyze, and compare three random search methods for solving stochastic optimization problems with uncountable feasible regions. Our adaptive search with resampling (ASR) approach is a framework for designing provably convergent algorithms that are adaptive and may consequently involve local search. The deterministic and stochastic shrinking ball (DSB and SSB) approaches are also convergent, but they are based on pure random search with the only difference being the estimator of the optimal solution [the DSB method was originally proposed and analyzed by Baumert and Smith]. The three methods use different techniques to reduce the effects of noise in the estimated objective function values. Our ASR method achieves this goal through resampling of already sampled points, whereas the DSB and SSB approaches address it by averaging observations in balls that shrink with time. We present conditions under which the three methods are convergent, both in probability and almost surely, and provide a limited computational study aimed at comparing the methods. Although further investigation is needed, our numerical results suggest that the ASR approach is promising, especially for difficult problems where the probability of identifying good solutions using pure random search is small. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010     

概率风险评估在核电站消防安全管理中的应用

介绍了概率风险评估与火灾概率风险评估的基本概念,详细论述了概率风险评估的主要内容及其在核电站火灾安全管理中的应用。