非对称偏差下质量特性值分布评价

传统的统计过程控制以公差中心为基准研究质量问题,对基本尺寸未给予足够重视,导致公差为非对称偏差时产品质量测度方法缺乏完善性.对此,以基本尺寸为基准,对非对称偏差下基于正态分布和切段正态分布假设的产品质量水平进行了分析,运用Taguchi质量损失函数对两类分布下产品价值的期望进行比较.结果表明,质量特性值服从切段正态分布的产品质量水平较优,产品价值的期望较高.      

假目标诱骗对抗反辐射导弹作战效能分析

研究多个假目标保护一个真目标(雷达)对抗反辐射导弹(ARM)的作战效能.在确定ARM瞄准方向的基础上,给出导引头在分辨目标时刻对真假目标截获概率的计算方法;推导出计算真目标受到ARM多次攻击时被杀伤概率的通用公式.研究结果表明:在评估假目标诱骗对抗ARM的效能时,必须考虑目标损失积累的影响;为提高诱骗效能,在增加假目标数量的同时,应降低其易损性,提高发射功率,并采用合理的布局方案.     

慢旋非合作目标接近轨迹规划

非合作目标自主在轨服务是在轨服务领域的研究方向,具备避碰能力的接近轨迹规划将在未来的在轨服务任务中扮演重要的角色.给出了一种基于滚动时域的慢旋非合作目标接近轨迹规划方法,利用逻辑变量和连续变量的混合形式来描述避碰约束,从而将轨迹规划问题转化为混合整数规划问题.仿真结果表明,基于滚动时域设计的慢旋非合作目标接近轨迹规划能够使得在轨服务航天器安全地接近终端状态.     

无人机全空域飞行影响因素分析

进入全空域飞行是未来无人机发展的必然趋势,所面临的关键问题是安全性和空中交通管理.根据无人机大、中、小型,低、中、高速并存的特点,分析了无人机安全性和影响其全空域飞行能力的关键因素与改进方法,包括建立分类管理机制,提高自主导航与控制能力,进行动态任务规划,采取协调机制,增强环境感知与规避能力等.进一步提出了无人机空域飞行的建模/仿真理论框架,目标是在提高无人机可靠性的基础上,使其具备全空域飞行能力,从而降低无人机使用成本、提高空域共享能力,实现有人机、无人机共享空域.      

小型无人机伞降回收运动分析CSCD

针对小型无人机伞降回收的特点,研究了在无人机回收过程中,飞机及降落伞系统的运动轨迹及姿态。通过分析机伞间的力学关系,建立了机伞系统运动模型,并进行了仿真分析,给出了无风情况下回收运动的仿真结果。结果表明,系统能够满足无人机回收要求,可以决定最佳的回收参数,从而得到最优回收轨迹和姿态。     

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

无人作战飞机对地攻击效费比分析

UCAV(Uninhabited Combat Aerial Vehicle)具有高隐身、高机动、不涉及飞行员以及全寿命周期费用低等特点.针对UCAV的特点,应用适应现代作战飞机效费比分析的方法和手段,仿真计算了UCAV的隐身、作战半径、机动能力以及武器装载等主要设计参数与对地攻击效能的关系,计算了UCAV主要设计参数与全寿命周期费用的关系,研究了未来UCAV同有人作战飞机及巡航导弹在面临相同的威胁环境、执行相同的对地攻击任务时的效费比情况,并对UCAV在未来作战中的地位进行了分析.研究表明,UCAV在执行对有防空系统保护的敌重要目标进行攻击的任务时,综合效费比高于巡航导弹和有人隐身飞机.     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题,提出基于目标存在概率（PTE）的航迹融合算法,提升了正确航迹率和跟踪精度。首先,通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后,在局部估计误差互协方差矩阵未知的条件下,基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈,提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

面向快速响应产品的星上目标定位及识别方法

针对遥感卫星星上目标的定位及识别,本文面向快速响应应用需求,首先对星上目标定位及识别工作模式进行研究,总结出狭义和广义两种模式,其次重点对像方-物方坐标双向定位算法进行梳理,并针对典型地物目标星上自动识别算法提出研究思路,最后给出算法的应用方法流程。本文研究为快速响应产品星上智能处理提供方法参考。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。