基于粗糙集理论的装备保障指挥系统效能评估指标体系约简

针对目前建立的装备保障指挥系统效能评估指标体系评价指标繁多,存在重复、等价的不足,通过验证各评价指标相对于决策属性是否必要与验证各子集组合相对于决策属性是否独立,建立了基于粗糙集理论的装备保障指挥系统效能评估指标体系约简方法,对评价指标进行了约简,建立了约简的装备保障指挥系统效能评估指标体系,可为装备保障指挥系统效能分析提供依据。     

美军核心维修能力研究

核心维修能力,是解决军队建制维修力量与地方维修力量如何结合、如何结合合理、如何结合才能取得最佳效果,成功推行军民一体化装备维修保障的瓶颈问题。从美军核心维修能力的研究背景着手,分析了核心维修能力研究的必然性和重要性,全面阐述了美军核心维修能力的内涵和现行判定方法,客观分析了美军核心维修能力研究中存在的一些不足,得出开展我军核心维修能力研究的重要启示。     

基于保障位的军队后勤建设比较研究

为深入认识新军事变革下不同国家军队后勤建设存在的普遍性和特殊性,准确把握后勤发展的规律和趋势,科学指导我军后勤建设实践,开展了军队后勤建设定量比较研究。通过对后勤保障人员在保障活动中的部位进行界定、统计和分析,形成保障位基本思想,模型化地描述后勤结构、规模和发展水平。对美、俄陆军军级单位保障位的概要统计和比较分析,较好地反映出信息化转型不同阶段军队后勤建设的基本情况和显著差异,表明了保障位比较方法的科学性和有效性。     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上,介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取,并详细介绍了模型参数的选取过程,避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域,并以一组智能BIT状态监测的数据对预测模型进行训练和验证,实验结果表明支持向量回归模型能有效地对雷达故障进行预测。     

大型战略预警雷达维修保障的特点与新思路

随着我国战略预警体系的构建,传统维修保障方法已显露出了一些缺陷,并成为制约部队战斗力提升的重要因素。文章分析了大型战略预警雷达装备的特点,总结维修保障所面临的困难与挑战,提出提升维修保障能力的新思路,并指出当前需着力解决的问题。文章立足部队当前装备维修保障现状,着眼大型战略预警雷达维修保障能力提升,旨在为部队进一步提升维修保障能力提供思路和参考依据。     

天基信息支援指挥控制体系运行机制及复杂网络建模?

天基信息支援是当前联合作战的主要样式之一,指挥控制体系是天基信息支援联合作战的核心和神经中枢,构建天基信息支援指挥控制体系运行机制和网络结构模型有助于提升天基信息支援乃至联合作战体系效能。探讨了天基信息支援云作战的基本概念和主要特点、天基信息支援云作战体系的构成和运行机制、以及天基信息支援云作战指挥控制体系的构成和流程,勾画了天基信息支援云作战指挥控制的理论框架,并结合示例构建了天基信息支援云作战指挥控制体系结构的复杂网络模型,并进行了主要参量分析,对开展天基信息支援指挥控制体系建设,指导天基信息支援以及联合作战体系需求论证、结构设计、评估优化等具有积极而现实的参考价值。     

小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。     

对数据后处理雷达的多参数协同相关干扰

基于DRFM转发或者重复转发的干扰信号,虽然在功率上能达到干扰要求,但是产生的虚假目标与真实目标缺乏相关性,数据后处理雷达能根据该特性实现对欺骗干扰信号的检测和抑制。针对数据后处理雷达在抑制非相关干扰信号的优越表现,根据不同特征域干扰信号的相关性要求,提出了在幅度域上具有起伏特性,时频域协同一致,方位上具有相关性的干扰信号模型,以保证对数据后处理雷达干扰的有效性。最后在与非相关干扰信号比较中,验证了该干扰方式的有效性。     

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。     

基于多模型组合的模拟电路故障诊断方法

针对传统模拟电路故障诊断方法识别准确率低及耗时较长的问题,提出一种基于改进的二进制粒子群优化算法(IBPSO)与隐马尔科夫模型(HMM)的综合诊断方法。该方法利用IBPSO对故障特征进行提取优化,降低故障特征维度,进一步利用HMM对提取的故障特征进行预处理,排除不可能类故障特征,提高了LSSVM的分类准确率。经过仿真结果分析验证,该方法较现有的BP神经网络诊断方法,能够在确保正确率得到提升的基础上,进一步提高故障诊断速度,具有更强的战场环境适用性。