基于贝叶斯网络的船舶动力装置战场损伤分析

针对船舶动力装置战场损伤特点,对其损伤分析进行了研究,提出了基于贝叶斯网络的动力装置战场损伤模型.以主机振动为例,分析了模型的建立、更新和完善等.分析结果表明,该模型和方法提高了船舶动力装置的战场损伤分析的速度和准确性.     

函数变换提高灰色预测模型精度的条件

指出选择函数变换来提高模型精度主要与三个方面的因素有关：提高数据序列的光滑比、调整数据序列的级比和确保凸凹性。在调整级比方面,扩充了级比压缩变换的相关定理,并讨论了几种常用的函数变换在上述三个方面的关系。最后结合实例提出,对于变换后的数据序列若不满足这三方面的要求可以再进行函数变换以达到提高模型精度的目的。     

惯性测量匹配法测定船体变形实施方案研究

介绍了船体变形的产生原因,详细分析了船体变形对航姿参数的影响和惯性测量匹配在实船上测量船体变形时的几种实施方案。分别讨论了在中心航姿系统部位和局部基准部位是否安装加速度计和速率陀螺时的不同情况,具体推导了变形角、局部基准部位的航姿角和摇摆线速度的计算公式。对各种方案进行了分析比较,指出了各自的优缺点,为惯性测量匹配法在实船上的应用打下了基础。     

火控系统故障预测与健康管理技术

故障预测和健康管理(PHM)技术具有故障诊断、故障预测以及健康管理的功能,对降低火控装备维修成本、增强火控系统的完备性以及提高火控系统管理效率具有重要意义。根据通用火控系统发展现状及应用需求,将PHM技术引入到火控系统中。首先介绍了PHM技术原理和国内外发展现状,重点讨论了PHM关键技术和通用火控系统PHM体系结构。最后展望了火控系统PHM技术的发展趋势。     

弹药贮存微环境温度智能化预测

高效、准确获取弹药贮存微环境温度变化规律是开展弹药寿命评估与延寿的关键。结合神经网络算法以及传热学原理,研究了弹药贮存微环境温度预测模型,并基于此模型开发了一套弹药包装箱微环境预测软件,用以预测不同气候环境下包装箱内部的温度变化。在敦煌、漠河进行了相关试验,用以验证软件预测正确性以及参数优化。结果表明：应用基于神经网络算法开发的包装箱微环境预测软件,根据不同包装箱材料,调控贮存地点以及控制贮存起始温度,可以实现对箱内温度的控制。     

基于访问特征负载预测的负载均衡算法

为了提高web集群负载均衡的效果,结合web服务用户访问静动态内容的特征,提出了一种基于访问特征负载预测的负载均衡算法。首先建立网络带宽负载和CPU、内存综合性能负载的小波包一支持向量机回归混合预测模型;然后根据用户请求的类型,结合负载预测的结果对任务进行分配和调度。仿真结果表明：与传统的基于负载预测的负载均衡算法相比,基于访问特征负载预测的负载均衡算法能达到更好的负载均衡效果,从而有效提高web集群的整体性能。     

基于小波变换的舰船辐射噪声调制特征分析

舰船辐射噪声在不同频带上的调制是有差异,利用多子带技术可以得到不同频带上的调制谱.研究了多子带分析技术以及利用小波包分析获得不同频带上的调制谱技术,利用最小信息熵准则对小波包分解进行了优化.双比两种方法,得到了一些有益的结论.试验表明,多子带分析技术对识别工程应用有指导意义.     

水面舰艇编队防空火力分配的灰色局势决策方法

针对水面舰艇编队在防空作战时如何适时、适量地选取火力分配方案。采用定性定量相结合的方法,重点剖析了灰色局势决策方法的具体求解步骤,并将之应用于水面舰艇编队对空防御时的火力分配方案优选。最后,通过实例验证了该方法的严谨性。以此确定的最优局势更具可信性,符合军事决策的特点。     

舰艇编队舰机协同反潜警戒模型研究

反潜作战是联合机动编队的主要作战任务之一, 舰机协同反潜研究有着十分广阔的应用前景。根据舰机协同反潜行动的特点,给出了联合机动编队警戒范围的数学模型,以直升机吊放声纳和舰艇拖曳声纳为主要因素,重点研究联合机动编队及其舰载反潜直升机协同反潜作战过程中的建模与仿真问题,建立了单机和双机联合舰艇编队反潜模型。     

The SSA-BP-based potential threat prediction for aerial target considering commander emotion

The target's threat prediction is an essential procedure for the situation analysis in an aerial defense system. However, the traditional threat prediction methods mostly ignore the effect of commander's emotion. They only predict a target's present threat from the target's features itself, which leads to their poor ability in a complex situation. To aerial targets, this paper proposes a method for its potential threat prediction considering commander emotion (PTP-CE) that uses the Bi-directional LSTM (BiLSTM) network and the backpropagation neural network (BP) optimized by the sparrow search algorithm (SSA). Furthermore, we use the BiLSTM to predict the target's future state from real-time series data, and then adopt the SSA-BP to combine the target's state with the commander's emotion to establish a threat prediction model. Therefore, the target's potential threat level can be obtained by this threat prediction model from the predicted future state and the recognized emotion. The experimental results show that the PTP-CE is efficient for aerial target's state prediction and threat prediction, regardless of commander's emotional effect.