导弹作战使用命中精度CEP评定方法研究

针对导弹命中精度评定方法的不足,提出了导弹射击的CEP评定方法,构造了使用固定母体统计量,通过对不同射程下误差的计算与合成,得到了不同射程下的作战使用CEP评定模型.该项研究对减少导弹武器研制定型中的试验子样、提高作战使用能力具有指导意义.     

驾驶员模型建模精度分析方法研究

针对频域内驾驶员描述函数和辨识方法和最小二乘的驾驶员模型参数的估计方法，按照严谨公式的规范条件建立了驾驶员模型建模精度评介公式，并对驾驶员完成俯仰跟踪任务时的仿真结果和驾驶员模型辨识结果进行了精度检验计算，同时还探讨了提高建模精度的有关技术问题。     

吸收变异的粒子群算法及应用

提出了一种改进的粒子群算法,称为ConvergencemutationPSO(CM_PSO)。该算法根据粒子群中各粒子的适应值动态地调整粒子数量,把部分适应度差的粒子适当汇聚到适应度好的区域,在不损失全局搜索能力的同时,增强局部搜索能力。在将该算法应用于雷达组网误差配准问题中,提出了一种基于CM_PSO的误差配准技术。仿真表明,该算法能有效配准,与对比方法相比较,具有更好的收敛精度和更快的进化速度。     

利用通信和广播电视卫星定位干扰源的技术

简要介绍了利用通信和广播电视卫星对地面干扰辐射源进行定位的必要性和基本工作原理、技术难点及解决方法,以及提高定位精度的主要技术途径。     

弹道式地地导弹精度计算公式及其拟合方法

归纳和总结厂弹道式地地导弹的精度变化规律,根据这些规律和谐波分析理论建立了导弹精度计算公式。文中根据函数逼近理沦,提出了确定谐波函数阶次的方法和具体的拟合步骤。应用这种方法导出了实际导弹的精度计算拟合公式.采用这些公式和采用弹道计算方法分别计算任意相同条件下的导弹精度值.其相对误差小于1%。本文提出的精度计算拟合公式是简便实用的.     

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

导弹命中精度一致性分析及评估

命中精度是导弹性能考核的重要指标,对于反舰导弹的命中精度评定,常常采用命中概率这一精度指标。在反舰导弹命中精度评估的过程中,单独采用经典方法来评估导弹的命中概率时,不同的评估方法可能会带来不一致的评估结果,因此会造成较大的评估风险。为了提高评估结果的一致性,降低评估风险,本文首先改进了基于正态分布的命中概率评估方法,提出了基于Bootstrap重采样的命中概率估计新方法,进一步联合基于二项分布的命中概率评估方法,对导弹的命中精度进行一致性分析及评估。与经典方法相比,该方法降低了评估的风险,提高了评估结果的稳健性。     

基于任务段的航空发动机载荷谱聚类方法

针对航空发动机飞行任务剖面分类问题,对发动机31个飞行任务剖面进行了聚类分析。选取飞行高度和飞行马赫数作为划分飞行任务剖面的参数, 依据其对应的飞行任务段均值生成聚类散点图,将剖面类型划分为5大类。结果表明:低空低速剖面在无量纲飞行高度为0~0.2、飞行马赫数为0.4~0.6区间,均值最低;高空高速剖面在无量纲飞行高度为1.2~2.2、飞行马赫数为1.0~1.8区间,均值最高;飞行任务剖面在无量纲飞行高度为0.2~1.2、飞行马赫数为0.6~1.0区间内最为集中;针对散点密集区域,可依据剖面特征进一步划分剖面类型;不同剖面间,飞行高度与飞行马赫数差异性强,利于剖面划分,而法向过载与转速差异性小,不利于剖面的划分。所提出的方法可以快速有效的对航空发动机飞行任务剖面进行聚类分析。      

基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成, 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection,MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection, KMCCS）。在所提出的算法中,如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示,在此基础上给出了学习器之间距离的计算方式。此外, 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析,实验结果表明了所提算法的有效性。     

一种面向运载火箭自动对接的三维测量场构建方法

旋转激光自动经纬仪系统(R-LATs)是一种基于前方角度交汇的分布式大尺寸测量系统。各激光扫描基站的布局位置直接影响着测量区域内的测量精度和应用性能。从测量区域的测量不确定度量化着手,利用蒙特卡罗法获取各点的测量不确定度,以测量区域的最大不确定度作为主要优化目标,利用差分进化算法自动寻优,更简单有效地实现了面向运载火箭自动对接的R-LATs系统布站优化。最后进行了运载火箭对接测量场的实际应用验证。应用结果表明:该方法能有效优化激光扫描基站布局,提高系统测量精度,满足实际应用需求。