基于STM32的单炮火控解算系统

网络化火控和分布式处理是未来火控系统的发展趋势,单炮火控系统作为网络化火控系统的重要组成部分,其可靠性、稳定性和成本等因素对作战效能发挥至关重要.阐述了一种基于ARM Cortex M3架构的STM32系列微控制器的单炮火控解算实现方法.通过软硬件设计,并基于某高炮火控射表解算射击诸元,论证了STM32作为单炮火控计算机进行火控解算的可行性.还讨论了STM32用于火控解算的稳定性、可靠性与效率等因素.     

基于RV的装甲装备火控系统仿真

针对目前装甲装备模拟训练系统中,在火控系统方面存在的装备模型粗糙,火控功能仿真不完善的问题,提出基于RV引擎的装甲装备火控系统仿真设计.在装备模型建立方面,使用模块化设计提高模型的可管理性和细致程度,利用细节层次技术和碰撞检测技术提高模型的使用效率和真实性;在火控系统的功能仿真方面,利用欠阻尼二阶系统模拟火炮运动模型,通过设置虚拟炮弹模拟激光测距过程,并对射击诸元结算和射击弹道建立了准确的数学模型.通过测试运行RV装甲装备火控系统仿真能较为真实反映实装性能.     

基于逐步回归分析的话务预测研究

针对现有话务预测模型变量单一、预测误差大等问题引入了逐步回归分析法;结合海河银行信用卡呼叫中心实际需求,对话务数据进行了抽取集成等预处理操作;随之建立了各影响因素的一元回归模型,并在此基础上得到了多元逐步回归的话务预测模型;最后将此建模方法与其他分析法进行了综合比较并给出评价。     

基于多元线性回归的空腹血糖影响因素分析方法

通过分析空腹血糖影响因素的关系,提出了一种基于多元线性回归分析的空腹血糖影响因素分析方法。首先,收集影响空腹血糖的主要因素数据,包括血清总胆固醇、甘油三酯、空腹胰岛素、糖化血红蛋白；然后,通过散点图对这些影响因素进行分析和确定,利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过逐步回归分析得到修正后的模型；最后,运用此模型确定了影响空腹血糖的关键因素,以为糖尿病患者的平时饮食给予指导以及为医生的临床治疗提供参考。     

基于交互式逐步回归的双语教学态度预测模型

针对多元线性回归分析法预测双语教学态度误差较大的问题,通过引入变量的平方项及交叉乘积项建立拟线性回归方程,利用交互式逐步回归分析法对变量进行筛选,并以筛选后的变量建模。将调查数据分为建模样本数据和测试样本数据,测试结果表明经过变量扩维及筛选所建立的预测模型精确度有较大提高,为语言学研究提供了一种新方法,值得推扩和借鉴。     

浅评变栅距光栅位移传感器几种位移解算方案

本文针对提高变栅距光栅位移传感器动态响应的问题,提出了传感器几种位移解算方案,并从解算时间、影响解算精度的主要因素等方面进行了分析.通过计算与对比,最终确定以综合回归法作为在传感器工作中的应用方案,并对综合回归法的参数进行了优化.     

基于多元线性回归模型的昆明市用水量分析及预测

水是生物生存不可或缺的资源,更是城市发展的重要基础。因此,选取昆明市2012—2021年的用水量为因变量,基于多元线性回归模型对影响昆明市用水量的若干因素进行分析与预测。为了解决自变量间存在的多重共线性问题,本文使用逐步回归法筛选变量,利用R软件计算出模型的系数,并基于模型预测昆明市年度用水量,发现计算出的各年相对误差与平均误差较小,说明模型适合对昆明市年度用水量进行预测。     

流程产品结构模型

以一个流程产品结构为实例，用统计方法对其进行建模研究。基于经验数据分别运用逐步回归和偏最小二乘回归方法建立了两个产品结构模型，通过分析模型对变量的解释能力，讨论了所建模型的质量。指出对数据量不充足和有噪声的流程产品结构，采用偏最小二乘法进行回归分析建模，能够最大限度地反映变量的有用信息，去除噪声，并且对变量有较好的适应性，可以得到更能够反映对象真实特性和符合实际规律的数学模型。     

防空高射炮火控系统命中算法研究

高射炮作为防空作战体系中最后的末端拦截手段,主要拦截3 km内的末端运动目标,其命中概率直接关系着被掩护目标的安危,高射炮火控系统的解算能力及射击诸元精度影响高射炮的命中概率.介绍了火控系统的工作原理,并对弹头命中飞行目标的算法进行了研究.     

角速率火控系统中舰艇姿态信息的精度分析

研究火控系统和舰艇姿态性能优化问题,角速率火控系统中舰艇姿态信息的精度对系统射击诸元有重要影响。在舰艇姿态信息的获取过程中,由于系统对舰艇摇摆周期的依赖性和舰艇摇摆角速率存在离散误差,制约了角速率火控系统精度和解算时间。为解决上述问题,针对系统中舰艇姿态信息的求解过程影响舰艇姿态信息的因素。采用对舰艇摇摆角速率积分初值的择优选择提出了一种待定系数法获取舰艇的姿态信息,达到角速率火控系统求解命中精度的提高。通过仿真,与以往方法进行对比,待定系数法在一定程度上提高了舰艇射击诸元的精度,并缩短了系统获得舰艇姿态信息的时间,验证了方法的合理性。     

A Fuzzy Mechanism for Action Selection of Soccer Robots

A vision-based soccer robot system is proposed, in which vision will identify the position and heading angle of each robot, and the position of the ball. With these imaging data, values for the defense factor, the competition factor, and the angle factor, are obtained. Using the three factors as the input variables of the proposed action selection mechanism, which is expressed in terms of fuzzy rules, the action that each robot should take is then chosen from the five basic actions available for the robots. In this manner, each robot may intercept, shoot, block, sweep the ball, or just stand by. After determining the action of each robot, control commands generated by the host computer are sent to the robot directly through a wireless RS-232. To show the feasibility of the proposed method, experimental results of a robot soccer game will be used for illustration.     

基于变化检测技术的城区建筑变化目标提取

提出了一种城区人工建筑目标检测的改进算法,该方法首先对图像做灰度自动分类归一化,然后使用回归法,差值法进行相关检测,最后进行后期处理得到变化的目标。     

一种稳健的多时相遥感图像相对辐射校正方法

变化检测是通过分析多时相遥感图像实现土地利用动态监视的一种有效方法，但在变化检测 分析前，需要经过辐射校正消除光照等因素对地物光谱辐射的影响，使同一地物在不同时相 影像中具有相同的辐射量。根据地物在不同时相遥感图像中的光谱特性满足线性关系的 特点，提出一种自动实现多时遥感图像相对辐射校正的稳健方法，首先通过最小差分回归找 出非变化地物在多时相遥感图像中的辐射关系 |然后利用变化区域证实过程消除变化区域对 辐射校正处理的影响 |最后通过循环迭代实现图像间的辐射校正。提出的方法不仅可以自动 地实现多时相遥感图像的相对辐射校正，而且能够保证图像的辐射分辨率不会因为辐射校正而降低。     

无线技术在火灾中的应用

在大多数的火灾事件当中,大火都是突然发生的,很多受害人会被困在大火当中。好在每个受害人都有一个手提设备(一个支持J2ME的客户端),它以无线的方式与一个(某个)服务器相连接,受害人的目的是逃离火灾现场,到达安全的地方。每个受害人的视听范围都是有限的。通过使用J2ME设备,他向服务器端报告可视范围内的火灾位置(她把自己可以看到的范围内的火灾位置通知给服务器),并指出自己决定要移动的方向。服务器对受害者的信息进行响应,返回该着火位置(该受害者的可视范围内)的补充信息,就像该服务器从其它受害者那里接收的信息一样。     

最小一乘回归神经网络集成方法股市建模研究

提出了一种新的神经网络集成股市建模方法,采用偏最小二乘方法构造神经网络输入矩阵,利用Bagging技术和不同的神经网络学习算法生成集成个体,再用遗传算法选择参与集成的个体,以"误差绝对值和最小"为最优准,建立最小一乘回归神经网络集成模型,通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法具有较好的学习能力和泛化能力,在股市预测中预测精度高、稳定性好.     

Integrating fire spread patterns in fire modelling at landscape scale

Fire spread modelling in landscape fire succession models needs to improve to handle uncertainty under global change processes and the resulting impact on forest systems. Linking fire spread patterns to synoptic-scale weather situations are a promising approach to simulating fire spread without fine-grained weather data. Here we present MedSpread—a model that evaluates the weights of five landscape factors in fire spread performance. We readjusted the factor weights for convective, topography-driven and wind-driven fires (n = 123) and re-assessed each fire spread group's performance against seven other control simulations. Results show that for each of the three fire spread patterns, some landscape factors exert a higher influence on fire spread simulation than others. We also found strong evidence that separating fires by fire spread pattern improves model performances. This study shows a promising link between relevant fire weather information, fire spread and fire regime simulation under global change processes.     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

基于红外技术的火情预警报警及定位方案研究

随着经济的高速发展,露天堆积场、大型仓库和超高压输电线经过的森林区域等越来越多,这对火灾的防控工作提出了更高的要求.提出了一种基于红外技术和无线电测向原理的火灾预警报警系统设计方案.本火灾探测系统能够扫描半径5 km的区域,并在后台生成一幅全景灰度图像,如探测到火灾,前端将通过无线通信方式发送至后台客户端,并在后台客户端的灰度图像和电子地图分别标注出起火点的位置.黑白全景的电子信息地图中像素点的红外数据是通过下位机光信号采集模块完成的,像素点的坐标信息是通过主轴步进电机的脉冲计数、转镜的旋转角度来确定的.电子地图上的火情点是借助无线电测向思想根据两个探测设备的主轴步进电机的转角信息确定的.所提出的方案具有部署方便、无需聚焦、镜头成本较低、受天气环境影响小、提醒及时等优点.     

Least-restrictive move-blocking model predictive control

Move-blocking lowers the computational complexity of model predictive control (MPC) problems by reducing the number of optimization variables. However, this may render states close to constraints infeasible. Thus move-blocking generally results in control laws that are restrictive; the controller domains may be unacceptably and unnecessarily small. Furthermore, different move-blocking strategies may result in controller domains of different sizes, all other factors being equal. In this paper an approach is proposed to design move-blocking MPC control laws that are least-restrictive, i.e. the controller domain is equal to the maximum controlled invariant set. The domains of different move-blocking controllers are then by design equal to each other. This allows comparison of differing move-blocking strategies based on cost performance only, without needing to consider domain size also. Thus this paper is a step towards being able to derive optimal move-blocking MPC control laws.     

Combining spatial and sociodemographic regression techniques to predict residential fire counts at the census tract level

This work examines different spatial and sociodemographic models for predicting residential fire counts at the census tract level for 118 U.S. fire departments across 25 states. The models give five-year forecasts of residential fire counts for 3392 census tracts which contain over 13 million residents in total. All models described in this paper train on fire incident data from the National Fire Incident Reporting System (NFIRS) over the interval 2006–2011 (inclusive) and are evaluated based on their ability to predict the fire counts that occurred over the interval 2012–2016. Two strictly spatial models are considered- a simple “count” model that serves as a baseline for all other models described in the paper and a model that utilizes kernel density estimation (KDE) with statistically optimized bandwidths. Using data from the American Community Survey (ACS), an examination of the effects of demographic and housing factors on the fire risk is presented. The data suggest that the fire risk per person is generally higher in census tracts with attributes corresponding to socioeconomic disadvantage such as low median incomes and small fractions of residents with college degrees. These trends inform the design of a Bayesian hierarchical Poisson regression model, which is shown to make predictions with a 9% lower root mean squared error (RMSE) relative to the base model. A spatial kernel regression is then conducted on the residuals of this regression, which results in a 15% RMSE improvement relative to the base model. These results are compared to a conditional autoregressive (CAR) model, which incorporates spatial information directly into the hierarchical Poisson regression. Although the RMSE is higher for the CAR model's point estimate forecasts (7% lower than the base model), it allows for the generation of probabilistic forecasts and gives spatially-informed statistical estimates of the effects of the sociodemographic variables. This work highlights the utility of geocoded fire incident and demographic data as well as machine learning techniques that can utilize these datasets to make improved predictions.