一种改进Van Leer格式的构造与分析

基于传统的Van Leer格式提出了一种改进的Van Leer(NVL)格式,解决了Van Leer格式在低马赫数下数值耗散过大,不能求解有粘流场等问题,同时保持Van Leer格式的计算效率.通过二维平板流动算例比较了NVL格式与传统Van Leer格式的数值耗散程度,并以NACA0012翼型的亚声速和跨声速流场以及M6机翼的跨声速流场求解为算例,与Roe格式和传统Van Leer格式进行比较,进一步验证了NVL格式的低耗散性和高效性.     

基于RBF神经网络和定性趋势分析的传感器故障诊断

针对传感器偏置故障及漂移故障,提出了一种基于RBF神经网络和定性趋势分析的传感器故障诊断方法.该方法充分利用控制系统闭环回路测控信息,建立RBF神经网络预测器,通过将RBF神经网络的预测输出值与传感器实际输出相比较获取残差序列,根据残差首先判断传感器是否发生故障,然后用定性趋势分析方法获得传感器偏置故障和漂移故障的辨识...     

适用于传感器网络战场监视系统的无锚点定位算法

针对传感器网络在军事领域的应用。本文提出一种适用于战场监视系统的三维无锚点自定位算法。该算法首先对布撒后的全网节点进行不基于地理信息的分簇算法,缩短了全网坐标建立的启动时间。当簇头节点能量将消耗尽时,再进行基于地理信息的分簇算法更新簇头节点。采用OFDM测距方法后,减小了节点间的测距误差。仿真实验表明,传感器网络鲁棒性较高,在区域为400m×400m×50m的三维空间内,随机放置200个节点,其平均定位误差为0.64%,满足战场传感器监视系统的要求。     

基于超动态测试系统的压力传感器标定技术研究

针对油气爆炸发展过程中压力测量的需要,提出了一种压力传感器标定的新方法。该方法基于超动态测试系统,操作简单,精度可靠,并采用最小二乘法对各测试点进行了拟合,得到了压力传感器的标定系数和其它基本性能指标,保证了测试过程中压力的准确性和精度。可在其它类似的测试系统中应用。     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

基于两坐标雷达与红外传感器的融合跟踪

针对两坐标雷达与红外传感器的融合跟踪问题,提出一套基于航迹关联事件的后验概率最大化准则和"最近邻"思想的状态信息相关与融合估计的一体化实现方法,克服了两种传感器观测数据不完整给融合处理带来的困难,通过充分利用雷达的航迹,点迹和历史信息,融合高精度的红外测角和雷达测距信息,改善系统的跟踪能力.最后的仿真实验表明了该方法的有效性.     

基于曲线拟合的多传感器时间对准方法研究

针对多传感器数据融合时间不同步、数据率不一致的特点,提出了一种基于曲线拟合的时间对准算法.该方法能将不同传感器测得的不同采样周期的数据对准到同一时间点上,以便进行特征提取与数据融合.同现有算法相比较,该算法计算简单,速度快,提高了融合效率.     

基于复杂系统的组网雷达系统分析

分析了常规单基雷达演化成组网雷达的过程,并运用复杂系统的基本属性———差异性、多样性、相关性和整体性,分析了组网雷达演化的机理。然后指出组网雷达整体涌现具体表现为作战能力的提高和“四抗”能力的飞跃。最后分析了组网雷达作为复杂系统,网内雷达站之间的数据融合是其涌现的动力学机制。     

基于模糊时间Petri网的决策融合模型及时间推理

针对常规导弹旅作战指挥决策过程中伴随大量随机、并发情况的特点,提出利用线性逻辑给出的模糊时间Petri网来描述作战指挥决策融合过程。通过建立相应的FTPN模型,并利用时间推理的方法来分析模糊时间Petri网的运行行为,说明其在作战指挥决策融合中的应用。     

战场图像情报侦察处理技术及其发展

为了及时了解和掌握图像侦察领域最新的处理技术和发展动态,研究了战场图像情报的特点,主要获取手段,美军目前使用的几种典型战场图像侦察装备,战场侦察图像的融合处理和关键技术。