末制导雷达一次捕捉最小角度搜索范围模型

为了减少对方进行电子对抗的机会,要求反舰导弹末制导雷达在保证一次捕获概率的同时尽可能减小角度搜索范围。为此,提出了一次捕捉概率为1的最小角度搜索范围模型。模型中,用圆分布表示目标指示误差和目标机动误差,用矩形分布表示自控终点散布误差。首先证明了末制导雷达开机位置与最小角度搜索范围之间存在的几个性质,进而利用解析方法推导了最小角度搜索范围表达式。分别以末制导雷达最大作用距离和导弹被发现距离为可变参数,对高亚声速反舰导弹末制导雷达的最小角度搜索范围进行了计算。结果表明,最小角度搜索范围不超过36.5°,小于某些反舰导弹的最小角度搜索范围。
     

基于相似匹配的液体火箭发动机故障模式挖掘

将时间序列相似性匹配方法引入到液体火箭发动机故障模式挖掘中。针对发动机试车数据的特点,提出了一种基于序变换的时间序列相似匹配算法。该算法具有对时间序列幅值和持续时间不敏感、抗噪声能力强等优点。对某型液体火箭发动机故障数据的相似匹配实验表明：该算法能够为液体火箭发动机的故障检测和诊断提供较好的技术支持。     

反潜直升机应召搜索使用声纳浮标的作战运用

根据反潜直升机反潜作战的特点,对反潜直升机使用无线电声纳浮标对指定海域实施应召搜索时声纳浮标的使用方法和监听方法进行了探讨。     

多机吊放声纳应召搜潜建模与仿真

依据经典的单机吊放声纳应召搜潜方法,结合实际搜潜过程,以4架反潜直升机为例建立了多机编队吊放声纳的扩展方形、扩展圆形、扩展螺旋形应召搜索模型和潜艇运动模型。对几种应召方法的搜潜效能进行分析,仿真了潜艇初始航向、吊放声纳作用距离、搜索样式等因素对应召搜索概率的影响。实验结果表明：潜艇航速、航向角度以及吊放声纳作用距离的变化对多机编队扩展方形、扩展圆形和扩展螺旋形应召搜索概率影响较大。使用多机协同应召搜潜,可在较短时间内进行大面积搜索,有效提高搜潜效率。     

机器人操作机的建模及避障研究

介绍了机器人智能路径规划系统-RIPPS.该系统可用作机器人离线编程工具.系统由几何建模,运动学建模及路径规划三部分构成.用户利用其几何建模功能建立分布着障碍物体的机器人工作环境,通过输入参数利用机器人运动学建模功能来定义机器人操作机.系统的路径规划器根据指定的机器人起始位姿及目标位姿产生准优化路径,首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索.作者已在SGI/4D70工作站上进行了有效的仿真研究,下一步工作是在商业化机器人上实现该规划系统.     

基于改进引力搜索算法的认知无线网络频谱分配

为了提高认知无线网络频谱资源利用率,提出一种基于改进引力搜索算法的频谱分配方案.该方案将质子位置信息映射为频谱分配变量,提出一种非线性引力衰减因子,以增强算法对于频谱分配可行解的搜索能力.其次,为了保持算法对于频谱分配可行解的最优搜索方向,采用全局最优引导策略为质子增加记忆能力.然后,提出动态高斯扰动策略,随着算法迭代...     

建筑物表面光伏组件最佳铺设方案的研究

对不同情况下建筑物屋顶及外墙表面铺设光伏电池进行研究。采用启发式算法进行电池性能的优劣评价,采用模糊规划,作出铺设电池的初步判断。以光伏电池每平方米利润最大为目标采用贪心算法选择需要铺设的电池,并配合矩形排样中最低轮廓线法对光伏电池的安放进行优化,从而得到利润最大的组合。利用多维线性规划对逆变器进行选择,通过成本—收入—利润模型对选配逆变器之后的最终利润进行进一步优化。     

自适应分块的改进最小费用网络流解缠算法

相位解缠是进行精确差分干涉测绘的关键步骤,在相位解缠算法中,最小费用网络流(MCF)是当前常用的算法,该算法具有精度高、限制残差点误差扩散、优先将误差限制在低相干区域的优点,但随着残差点数量的增多,其计算效率也随之降低。改进的MCF算法通过对其做分块,有效提升了算法效率,但块尺寸的选取影响最后的准确度与效率。本文提出一种自适应分块的改进MCF解缠算法,通过自适应寻优的方式选取合适的分割块,将相干性较高的点集中在同一块内,使得在准确度不受过多影响的情况下有效地提升算法效率。     

自主空战技术中的机动决策:进展与展望

自主空战（AAC）是指飞机依靠机载等相关设备，自主进行战场感知、决策及控制，以执飞空战的技术，其核心是机动决策模块。针对该模块的研究，调研了国内外的现有方法，并按照有关方法的核心内涵，将其分为基于数学求解、机器搜索、以及数据驱动3类分别简要概述；针对每一类方法列出了具有代表性的示例技术，并讨论了其优缺点。指出了自主空战决策的研究应立足现有相关方法及技术基础，同时积极吸纳机器学习、人工智能等新兴技术，合理利用各类方法的优点，取长补短，实现自主空战决策的长足发展；有关于该研究设想的关键科学问题及其潜在解决方案也在文中进行了初步讨论。希冀基于针对自主空战决策研究框架及实现方法的概念性讨论，促进其技术发展，推广相关思路在有关国家安全、国民经济建设等领域的应用，以满足国家重大需求和工程实践。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法，其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足，采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估；通过改进随机游走策略来提高局部搜索能力；通过引入改进的自适应丢弃概率策略来提高算法的收敛速度；加入档案管理机制，提高解的均匀性。典型的多目标数值算例结果表明，改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例，将改进的MOCS算法应用于多目标气动优化中，改进的MOCS算法共获得64个Pareto解，优化后的翼型气动性能有明显的提升，设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题，改进的MOCS算法与目前主流的NSGA-Ⅱ相比，收敛速度更快。