Hill 方程在远距离拦截中的应用

提出了一种通过坐标系移动,化原系中的大相对距离为新系中的小相对距离,以减小Ｈｉｌｌ方程在大相对距离时的模型误差的方法,即当拦截器的相对距离达到某一精度许可的值ρ＿１时（定义ρ＿１为精度控制参数,例如可取ρ＿１＝５００ｋｍ）,以拦截器位置为原点,建立一假想的动参考系,将拦截器在原动系中的相对运动参数转换为新系中的相对运动参数（显然在新系中的初始相对距离）,从而化大相对距离为小相对距离问题,提高Ｈｉｌｌ方程的描述精度。本文给出了方法的理论分析及两个计算机仿真实例,该法确可有效地减小Ｈｉｌｌ方程在大相对距离时的模型误差,结果是令人满意的。     

静磁场Dirichlet问题Galerkin法和牛顿法

作者在［１］,［２］中给出了静磁场Ｄｉｒｉｃｈｌｅｔ问题和Ｎｅｕｍａｎｎ问题广义解的存在与唯一性。本文从理论上给出静磁场Ｄｉｒｉｃｈｌｅｔ问题的一种Ｇａｌｅｒｋｉｎ近似解法,并给出了在各向同性或无电流区情形下的误差估计和牛顿选代序列。     

拟共形映照和 Hölder 连续性

设 f 是 R" 中的域 D 到有界的 M-QED 域上的 K-拟共形映照,0<α≤(KM)^1/1-n在本文中作者证明了f∈Lip_α(?D)的充要条件是 f∈ Lip_α(D)。     

基于输出协方差配置的车辆振动控制系统设计

通过对车辆振动系统的振动特性分析,确定出系统反馈控制的设计目标。基于对［１］中状态协方差配置控制理论的推广,文中给出了控制器设计的具体方法,并举例说明该设计方法具有直接有效的特点     

CCIP火控计算的CAD研究

以逐步回归理论为基础,应用CAD技术,给出了一种实用的CCIP火控计算研究方法,用该方法研制的火控工作式,不仅简单实用、易于修改,而且比原工作式的精度高。这种采用计算机辅助设计求解CCIP火控工作式的研究方法,也可应用于其它类型的火控工作式设计和一般的数据处理。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

基于“墨子”的空中拦截任务程序二次开发与仿真

现有墨子联合作战推演系统中的空中拦截任务规划程序不具备针对性拦截功能,无法满足实际需求,而手动指控较为繁琐,降低了仿真的可重复性。使用LUA脚本和事件机制,二次开发了一种空中拦截任务规划程序,细化并增强了指控功能,通过阶段性控制事件的关联,解决了探测信息的同步和实时分析。经仿真验证：该程序能够有针对性地、精准、自动地组织多个基地中的多种战斗机执行空中拦截任务,且能够在战斗机从接到任务到升空阶段调整作战任务。有效地减少了人为误差对仿真结果的影响,提高了仿真的可重复性和可信度,且对解决同类调派管理问题和军事人工智能的开发具有指导意义。