遥操作交会对接系统研究

遥操作交会对接是指操作人员在远端通过遥操作方式控制追踪航天器进行交会对接,主要用于无人航天器自动交会对接系统故障条件下平移靠拢段的交会对接控制.简要介绍了遥操作交会对接的基本概念及其国内外研究现状;结合我国载人航天工程的基本特点,设计了适用于我国未来空间站任务的遥操作交会对接系统;根据设计的系统方案,设计和开发了相应的遥操作交会对接仿真系统,并进行了部分仿真分析和遥操作交会对接试验,初步验证了设计方案的可行性.     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

一种新的小波收缩统一阈值函数

提出一种新的小波收缩统一阈值函数,并证明了新阈值函数具有收敛性,通过调节可变参数的取值可以改变新阈值函数的趋向,为图像阈值去噪的自适应处理提供了可能.此外,给出了新阈值函数的期望、方差与风险的关系式.仿真结果表明新阈值函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的灵活性,可以获得更高的信噪比和更好的视觉效果.     

小波神经网络UCAV飞行控制系统

针对采用H∞控制设计方法需求解难度很大的偏微分方程,而导致工程实现难度大的问题,提出了采用小波神经网络进行无人攻击机(UCAV)飞行控制系统设计的方法,该方法集小波变换和神经网络的优点于一身,简化了网络训练,避免了系统达到局部最优解,使得系统具有更好的逼近精度。通过仿真实验表明,利用小波神经网络进行UCAV控制律设计,使系统具有较好的跟踪性和鲁棒性,避免了精确模型的建立,便于分析系统的稳定性。     

集对分析的弹炮结合防空武器系统可靠性分析

针对传统可靠性分析仅考虑系统正常运行及发生故障两种状态,而没有考虑其在亚健康状态下运行的同题,提出了基于集对分析的弹炮结合防空武器系统在亚健康模式下的可靠性分析方法.首先,在详细分析弹炮结合防空武器系统物理结构模型的基础上,基于集对分析方法,建立了弹炮结合防空武器系统可靠性模型;然后,根据工程应用中的经验数据,对弹炮结合防空武器系统的可靠性进行了实例仿真,结果验证了该模型的合理性和有效性.     

单兵系统数据模型

讨论了单兵系统的体系结构和信息要素,并结合单兵系统在联合作战中的应用例子,对其业务过程和信息流进行初步分析。然后通过IDEF1X方法,设计单兵系统基于关系数据库的数据模型。最后讨论了模型的规范化问题,并给出检验数据模型的方法。     

鱼雷作战效能评估方法分析

高作战效能的鱼雷武器装备系统在现代高技术战争中起着决定性作用.给出了鱼雷作战效能定义,重点对比几种典型新颖的鱼雷武器系统作战效能分析方法,并讨论了各自的特点和适用场合.最后提出了当前鱼雷武器作战效能评估的现存问题,并对其研究领域的发展方向作了展望.     

复杂系统多属性决策方法

多属性决策已成为复杂系统评定的重要手段。属性标准化是多属性综合决策中的一项重要内容,标准化方法应严格遵循属性的物理意义和对决策目标的影响,要求标准化前后属性值比较的物理意义一致或接近。首先在分析现有标准化方法不足的基础上,提出了效益型、成本型和固定型属性标准化新方法,经过该方法得到的标准化结果,满足了标准化前后的可比性和线性化。其次,综合分析了加权和和加权积决策模型应用范围,得出加权积模型更适用于复杂系统的多属性综合决策问题研究。最后,将标准化方法和加权积决策模型应用于算例分析,分析结果验证了提出方法的有效性和一致性。     

地面防空武器系统的效能评估模型

作战系统服务能力是衡量其作战效能的重要指标,结合现代作战系统的特点,运用排队论原理,建立了一种地面防空武器系统效能评估模型,确定了武器系统作为随机服务系统的主要性能指标,包括目标突防概率、目标杀伤概率、占用射击通道的平均数、射击通道占用概率和武器系统效率等。示例计算分析显示,该模型与外部条件和地面防空武器系统的综合特性密切相关,对辅助指挥员决策有一定的参考价值。     

屏蔽数据在新型截尾样本下系统的可靠性分析

当系统含有屏蔽数据时,在具有随机移走逐步增加型截尾模型下,讨论了部件寿命服从双参数指数分布的串联系统可靠性估计问题。设随机移走系统数服从二项分布,利用极大似然方法,Bayes理论及方法,推导出双参数指数部件参数、系统可靠性函数、失效率函数及移走概率的极大似然估计和Bayes估计。并利用Monte Carlo方法对两种估计结果进行了比较,表明Bayes估计较极大似然估计效果更优。