基于激励机制的装备采办风险总量控制

针对装备采办中的风险总量控制,提出一种激励方式来提高承包商的积极性。在单目标风险控制模型的基础上,建立了多目标风险控制模型,推导出了激励机制下风险控制的最优合同公式。对激励机制中存在的两类错误进行了理论分析和实例验证,得出了两类错误对收益的影响,并在成本控制中得到了应用,有效地提高了装备采办的质量和效率,为军方决策者在装备采办中提供了合理的参考依据。     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

胶泥缓冲器的非线性阻尼的控制机理研究

为了改善履带车辆悬挂系统在各种路面的平顺性,对悬挂系统匹配了一款具有非线性特性的粘弹性胶泥缓冲器。为了定量地研究胶泥缓冲器的非线性阻尼控制机理,建立了非线性悬挂系统的动力学方程,将非线性时滞动力系统的随机最优控制规律应用于履带车辆悬挂系统,建立了车辆垂直振动加速度与车速、路况与阻尼比之间的数学关系,从理论上推导出了最佳阻尼比。最后,对履带车辆在F级和G级路面上进行了仿真分析来验证胶泥缓冲器的非线性阻尼的变化规律,结果表明,在0.07~0.18范围内调控阻尼比,可以使车体垂直振动加速度最小。该研究工作为胶泥缓冲器的优化设计和胶泥材料的配方提供了理论指导。     

某飞行仿真系统虚拟教员软件研究

针对训练基地飞行模拟改装训练的特点和需求,提出了一种智能评分和虚拟教员实时提示方法。根据训练大纲建立模拟飞行课目专家库,建立分阶段优化评估模型,对不同阶段的关键评价指标进行综合评分,同时依据专家库和模拟飞行参数实时对飞行学员的操作提出虚拟建议,以文字和声音的方式发送给飞行员,最后给出评分结果。虚拟教员能对模拟训练进行实时干预、指导,方便学员进行自主训练,受到训练基地飞行员尤其是新训改装飞行员的广泛欢迎。     

一类带时滞的非线性兰彻斯特战斗模型的分析

基于非线性兰彻斯特方程的一般形式和现代战争的特点,考虑到时间因素在现代战争中的巨大作用,建立并讨论了一类带时滞的非线性兰彻斯特战斗模型。通过定性分析,得到了模型的平衡点及其稳定性,证明了原模型解的存在唯一性,并给出了解的存在区域。战例分析结果表明该模型能用来描述现代战争。因此,该模型对研究现代战争的战斗进程、武器发展规划、现代军事练兵等都具有一定的参考价值。     

基于ARM的LED指挥控制终端的设计与实现

LED显示屏是现代社会发布信息的一种重要方式,通过LED显示屏可以播放视频、文字等不同形式的信息,为人们传达最直观的视觉信息。随着科学技术的不断发展,LED显示屏的应用也日渐广泛,尤其是军事上的应用,比如基于LED显示屏的各种级别指挥控制终端的设计和运用,具有更为深入的研究价值。而ARM处理器是实现LED显示屏控制系统有效运行的基础,主要针对基于ARM的LED显示屏指挥控制终端系统的设计与实现的相关问题进行了探讨。     

基于虚拟人机环境的某指控舱CATIA人机分析

针对因人机工程模块中缺乏中国大陆成年人数字模型而导致CATIA软件在座舱性化设计适用性差的现象,以GJB4856-2003和指控舱结构设计参数需求为依据,建立了中国大陆成年男子P5、P95人体数字模型和指控舱三维模型,通过人体模型对指控舱的虚拟操作,分别评价了驾驶舱的视野域、操作域和舒适度等方面布局工效,得到了各工效布局评价的结果,并提出了改进建议。     

基于反步法的高超声速飞行器终端滑模控制

为了使高超声速飞行器在再入过程中完成姿态控制,在反步法的基础上将模糊自适应和终端滑模控制相结合设计控制器。对于姿态角动态,使用反步法和模糊自适应设计虚拟控制律;而对于角速率动态,利用终端滑模方法设计控制器,能够有效提高系统鲁棒性。稳定性分析说明所提方法可以保证系统状态的一致渐进有界性。     

基于DOB和二自由度控制器的某火炮稳定控制系统设计

火炮稳定控制系统性能会受到如路况、火炮射击时产生的冲击力矩等外部扰动以及摩擦力矩变化、测量噪声、转动惯量变化等内部参数摄动的影响。针对此问题,引入一种DOB观测器和二自由度控制算法,来减少摩擦对系统性能的影响,提高系统对载体扰动的隔离能力。仿真和实验结果表明,所提出的算法可以有效提高系统的稳定精度和速度伺服性能。     

Value management of diagnostic equipment with cancelation,no‐show,and emergency patients

Magnetic resonance imaging and other multifunctional diagnostic facilities, which are considered as scarce resources of hospitals, typically provide services to patients with different medical needs. This article examines the admission policies during the appointment management of such facilities. We consider two categories of patients: regular patients who are scheduled in advance through an appointment system and emergency patients with randomly generated demands during the workday that must be served as soon as possible. According to the actual medical needs of patients, regular patients are segmented into multiple classes with different cancelation rates, no‐show probabilities, unit value contributions, and average service times. Management makes admission decisions on whether or not to accept a service request from a regular patient during the booking horizon to improve the overall value that could be generated during the workday. The decisions should be made by considering the cancelation and no‐show behavior of booked patients as well as the emergency patients that would have to be served because any overtime service would lead to higher costs. We studied the optimal admission decision using a continuous‐time discrete‐state dynamic programming model. Identifying an optimal policy for this discrete model is analytically intractable and numerically inefficient because the state is multidimensional and infinite. We propose to study a deterministic counterpart of the problem (i.e., the fluid control problem) and to develop a time‐based fluid policy that is shown to be asymptotically optimal for large‐scale problems. Furthermore, we propose to adopt a mixed fluid policy that is developed based on the information obtained from the fluid control problem. Numerical experiments demonstrate that this improved policy works effectively for small‐scale problems. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 287–304, 2016