分布式传感器调度模型与自适应概率粒子群优化算法

不同体制的多个传感器通常部署于不同位置,据此采用分布式计算思想研究其调度问题.设计了传感器指控模块和传感器模块,探讨两者间的信息交互过程,给出基于最小调度时间间隔的传感器探测任务分解方法,建立传感器探测目标的匹配度计算模型.针对调度方案生成子模块设计了一种自适应概率粒子群算法,算法中粒子的分量根据方案适应值大小以不同的概率取相应值,体现粒子在迭代过程中的思考.实例分析表明,该算法能在迭代前期较快地收敛到一个较优值,这一特点使得在迭代次数有限的情况下,算法仍可获得较好的调度方案,满足调度方案实时高效的要求.     

网络化作战中通信网络相继故障规模的降低方法研究*

通过研究网络化作战中通信网络的相继故障现象,找到其规模的降低方法。着眼于网络化作战中通信网络相继故障的主要影响因素,从充分利用网络资源的观点出发,采用基于节点剩余容量的负载重分策略,建立了一个网络化作战中通信网络的相继故障模型,并进行了仿真实验研究。结果表明,与基于节点度的负载重分策略相比,基于节点剩余容量的负载重分策略能降低网络相继故障的规模约10％;同时研究还发现当网络中节点的初始负载不同时,初始负载较小的网络首先进入相继故障状态且相继故障规模较大;另外研究还发现了当网络化作战中的通信网络具有社团结构     

探测多目标时的反导预警雷达优化配置研究

为更好地发挥反导预警系统的预警能力,建立对多目标进行探测的地基反导预警雷达优化配置模型。以反导预警雷达的预警任务为出发点,分析预警时间、覆盖范围和自身安全性等因素对地基反导预警雷达配置的影响,建立能带有可调参数的地基反导预警雷达优化配置模型。通过改变可调参数,模型能输出不作战要求下的雷达配置方案。实例分析验证了模型的可行性。对地基反导预警雷达优化配置问题研究具有参考意义。     

无尺度网络中降低相继故障规模的策略研究

在复杂网络的相继故障过程中,主要影响因素包括：网络结构、节点负载量、节点容量、负载重分策略等。针对这些因素,建立了一个无尺度网络的相继故障模型。模型采用的基于节点剩余容量的负载重分策略能较充分地利用网络资源。仿真结果表明,与基于节点度的负载重分策略相比,基于节点剩余容量的负载重分策略能降低网络相继故障的规模约10％;研究还发现只提高网络中“关键”节点的容量也能有效降低相继故障的规模。当无尺度网络具有社团结构时,相继故障的规模要减小约30％。这些结论对降低网络相继故障规模、网络结构的设计及以后的研究具有重要意义。     

基于一维距离像识别的反导雷达配置模型研究

为更好地发挥反导目标识别雷达的作战效能,针对目标识别雷达的实际配置问题,建立一种基于一维距离像识别的雷达配置模型。首先,根据目标识别雷达的反导作战任务,确定目标识别雷达的探测结束点,再利用雷达探测性能参数计算出目标识别雷达的可配置区域;其次,指出雷达视线与目标间夹角的稳定性是影响一维距离像识别的重要因素,并给出衡量其稳定性的指标,以覆盖率和雷达视线与目标夹角稳定性的最大化为目标建立雷达配置模型,给出求解方法;最后,通过实例仿真发现,在靠近弹道地面投影的区域雷达覆盖率较小,在弹道地面投影正向延长线附近区域,雷达视线与目标间夹角能保持较高的稳定性,有利于目标识别。以上结论可为反导体系建设中武器系统的实际配置提供参考。