灰色系统研究进展（2004--2014）

从灰数及其运算、灰色序列算子与灰色预测模型、灰色关联分析与灰色聚类评估模型、灰色决策模型、灰色组合模型和灰色控制几个方面介绍了灰色系统理论2004—2014年的研究进展及部分应用成果。梳理了基于"核"和灰度的灰数运算法则、一般灰数的概念、灰度合成公理及缓冲算子的一般形式,总结了4种GM(1,1)基本模型,即均值GM(1,1)模型(EGM)、离散GM(1,1)模型(DGM)、均值差分GM(1,1)模型(EDGM)、原始差分GM(1,1)模型(ODGM),及其适用的序列类型。介绍了灰色相似关联度、灰色接近关联度、三维灰色绝对关联度,以及基于中心点和端点混合三角白化权函数的灰色聚类评估模型、多目标加权智能灰靶决策模型、两阶段综合测度决策模型、灰色博弈模型、灰色投入产出模型,并且阐述了分布型、中立型和中立-分布型灰色随机时滞系统的指数鲁棒稳定性等新概念、新模型、新方法。同时提出了有待进一步研究解决的问题。     

航空武器装备项目过程评估指标体系的构建

分析了航空武器装备项目的特点,提出了航空武器装备项目过程评估指标体系的设计原则;结合项目管理的相关知识,提出了航空武器装备项目过程评估的指标体系,并探讨了运用灰色关联理论确定评价指标权重的方法步骤.     

基于多项式的多不确定参数控制律稳定性评估

基于多项式理论,研究了鲁棒D域稳定和评估空间自适应网格划分方法。在传统只分析单个不确定性参数对动态系统稳定性影响的基础上,实现了多个不确定参数同时摄动对系统稳定性的评估。基于该方法,以一种轴对称飞行器为研究对象,完成了在多种参数组合摄动下的纵向控制律稳定性评估,评估结果直观精确的显示了该飞行器纵向稳定和不稳定区域。     

制定空域安全管理规划缩小航空器最低安全间隔标准

由于世界范围内对航空服务的需求持续增长 ,有必要寻求一些方法在现有空域内提供额外的容量。降低空域最低安全标准可以显著增加空中容量 ,但是 ,如何在降低空域最低安全标准的同时又保证必要的安全裕度是一个亟待解决的问题。本文介绍了利用相撞危险性模型进行空域安全评估 ,并对通过评估后的空域建立相应的空域监控和管理机制 ,从而达到从空域安全规划的角度缩小航空器最低安全间隔标准 ,并保证空域安全。     

空域安全评估中的碰撞风险模型分析

碰撞风险研究是空域安全评估的关键内容。随着空中交通管理设备和技术的发展,碰撞风险的研究也深入展开。本文总结了国内外学者对碰撞风险模型的研究及应用,介绍了几种常用的碰撞风险模型或方法,包括概率论理论方法、Reich模型、EVENT模型、随机分析模型、交叉航路模型和模糊数学综合评价法,分析了各自优缺点,并对上述模型进行简要对比,为我国空域安全评估提供参考。     

基于模糊推理的无人战斗机视距空战机动决策

针对视距1vs.1空战场景下无人战斗机（Unmanned combat aerial vehicle, UCAV）的自主机动决策,提出了一种基于模糊推理的空战机动决策方法。首先,从空战场景出发,建立了角度、距离、速度及高度4种优势因子;其次,利用模糊规则对空战态势进行评估,将代表空战态势的优势因子输入模糊推理机,自适应地调整优势函数中各因子的权重;同时,利用决策机动、序列机动和惯性机动相结合的方法建立敌机位置预测模型,作为机动决策的辅助手段,最后利用试探机动进行机动决策。仿真结果表明模糊推理模型能够实现UCAV自主机动决策能力,模型的优势在于将模糊的空战态势转化为优势函数中确定的权重因子,在策略上指导UCAV做出更有针对性的机动决策。     

雷达网信息传输能力评估算法及仿真分析

基于对连通概率、时效性函数、误信率的具体界定，对雷达网的信息传输能力进行了系统的研究。提出了一种具有良好操作性的定量评估方法，并对传输时延动态估计算法进行了仿真。     

基于兰彻斯特方程的信息支援效能研究

现代空战是在信息支援的背景下进行的,信息是作战航空综合体作战效能的"兵力倍增器".在兰彻斯特基本方程的基础上,分别定量分析了在完全信息支援、无信息支援和不对称信息支援条件下的作战双方兵力变化情况,重点是解析出兰彻斯特方程在不同情况下的时间解,并用曲线的形式给出.结果表明,在信息支援下,作战航空综合体的作战效能显著提高.     

空-地攻击作战效能评估的综合指数模型

 详细分析了作战飞机空-地作战效能评估中常用的对数法模型,指出了模型中存在的问题,并结合作战理论和实战情况,针对原模型存在的问题提出了一种新的空-地攻击作战效能评估解析计算方法——综合指数模型,并对综合指数中各分项能力的评估模型进行了修改完善。最后以8种机型的空-地攻击作战效能评估为例计算并检验了模型的可用性。     

A Polynomial Prediction Filter Method for Estimating Multisensor Dynamically Varying Biases

The estimation of the sensor measurement biases in a multisensor system is vital for the sensor data fusion. A solution is provided for the estimation of dynamically varying multiple sensor biases without any knowledge of the dynamic bias model pa- rameters. It is shown that the sensor bias pseudomeasurement can be dynamically obtained via a parity vector. This is accom- plished by multiplying the sensor uncalibrated measurement equations by a projection matrix so that the measured variable is eliminated from the equations. Once the state equations of the dynamically varying sensor biases are modeled by a polynomial prediction filter, the dynamically varying multisensor biases can be obtained by Kalman filter. Simulation results validate that the proposed method can estimate the constant biases and dynamic biases of multisensors and outperforms the methods reported in literature.