智能化雷达对抗情报处理技术研究

随着雷达技术的迅猛发展,雷达信号的密度、复杂程度都大幅度提高,这就增加了雷达信号的不确定性因素。本文讨论了粗糙集理论、模糊集理论、证据理论和可能性理论等人工智能技术在雷达对抗情报处理中的应用。对雷达辐射源的型号和工作模式识别、雷达网信息以及所属平台信息的推理技术进行了探索研究,给出了研究建议。     

机翼结冰过程的数值模拟

为预测飞机机翼结冰的形状,建立了一套采用时间步进法进行结冰过程数值模拟的方法.开发了一个软件框架用于使结冰模拟和网格更新全自动化.基于Messinger的质量和能量守恒方程建立了结冰热力学模型.采用了基于Spalart-Allmaras湍流模型在粗糙壁面的扩展模型来计算表面传热系数.提出了一种新的结冰生长方式.能预测霜...     

一种不完备粗糙集的航电设备故障诊断方法

针对已获得的航电装备测试数据中存径不完备数据的问题,在分析不完备决策表和差别矩阵属性约简的基础上,给出了一种在航电装备故障诊断中基于不完备数据获取最优诊断规则的模型,并在某型超短波抗干扰机载通信电台中应用验证,结果表明其有效性,从而为提高部队航空装备的可靠性和维修性提供了一条途径。     

A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.     

动态构造网管中被管对象的可视化扩展

随着互联网规模的不断扩大和网络应用的日益丰富,传统网管已经难以适应对大型、异构、动态变化的网络和种类繁多的网络应用的管理需要.动态构造的网络管理是一种新型的网络管理模式,被管对象的扩展是动态构造网管中的重要组成部分.提出了被管对象的可视化扩展方法.通过在管理人机交互界面上构造一棵MOS(被管对象集)树,并提供一系列的编辑工具,供设备厂商和应用开发商可视化定义其设备和应用所实现的MOS模块.这些模块以具有正确语法格式的MOS文件的形式提交给网管系统,由动态MOS编译将其加载到系统中,系统通过对其的访问实现被管对象和管理功能的关联及扩展.     

基于IFS和IPSO算法的干扰资源分配方法

针对多干扰系统同时干扰多部雷达的干扰资源分配问题,提出一种基于直觉模糊集(IFS)和改进粒子群优化(IPSO)算法相结合的干扰资源分配方法。利用己方无源探测系统获得的敌方雷达参数,根据IFS理论得到敌方雷达的威胁系数;整合数据库中战场的己方干扰系统与敌方雷达系统信息,从空域、频域、极化方式和干扰样式4个方面定义了匹配度,表示己方干扰系统对敌方雷达系统的干扰效率,得到匹配度矩阵,结合敌方雷达威胁系数建立干扰目标函数;提出一种自适应调整权重、异步变化学习因子、针对离散问题的IPSO算法,并引入补偿粒子进行盲区搜索,求解出最佳干扰决策。仿真表明,本文提出的干扰资源分配方法相较于传统算法最优解正确率更高,且实时性更好。     

二维海面上三维电大尺寸舰船目标电磁散射仿真

目标特征的建模、仿真和分析对于合成孔径雷达（SAR）基于图像的自动识别（ATR）系统具有重要的意义。研究了海面舰船目标的电磁散射计算以及雷达成像仿真。基于矩量法及其并行计算方法,对电大尺寸舰船目标及与海面复合的散射特性进行了研究,给出了不同频带、空间方位、极化的散射特性。在频域对回波数据作离散傅里叶逆变换,得到海面舰船目标的一维距离像。运用极坐标格式成像算法得到其二维聚束SAR成像结果,清晰地重构目标的轮廓。      

基于集值信息系统的改进粗集模型

提出了一种新的带有参数的改进容许关系,并讨论了基于该容许关系的粗糙集扩充模型,证明了相关定理。理论分析表明,通过合理设置参数值,可使新扩充模型比以往模型具有更好的分类效果,从而提高了对数据预测、分类的准确度。实例分析进一步验证了改进容许关系及其扩充模型的优越性。     

基于粗糙集理论的振动信号数据挖掘研究

利用转子试验台,采集了转子不对中、支座松动和转子碰磨等三种振动信号。以采集到的部分振动信号为例,在时域上进行小波变换的能量特征提取。并以能量为特征参数,利用粗糙集理论对采集到的信号进行数据挖掘和获取故障规则。在获取的规则基础上,对余下的振动信号进行了验证,结果表明诊断全部正确,规则是有意义的。     

基于信息融合技术的火灾报警方法研究

根据当今火灾探测的现状和实现火灾早期报警的需求,将多传感器数据融合技术应用在火灾报警系统中。在分析了信息融合系统的三级结构及火灾报警信息非结构特性的基础上,以感温、感烟和气体的火灾报警模拟量为输入,利用粗糙集和神经网络对多传感器信号进行融合,设计出一种快速、准确和有效的火灾探测系统,达到了提早报警和降低误报警频次的目的。