装备保障仿真建模方法的研究

在高科技的现代作战中迫切需要建立装备保障仿真研究系统.该文从尽力提高仿真精度且实际可行的角度出发,采用分级分层、逐步细化的方法建立了作战过程中的装备毁伤模型,采用面向对象的方法建立了装备保障模型.在此基础上,把作战和装备保障结合起来初步建立了装备保障仿真系统.     

基于Multi-Agent的装备保障决策支持系统

现代战争条件下,装备综合保障目标和约束的复杂度急剧增加,采用传统方法所建立的问题模型往往求解困难,而且不易于理解和维护.提出了一个基于Multi-Agent的装备保障决策支持系统,可实现复杂保障问题的规约、求解、组合、划分、反馈和动态控制,并给出了一个应用该系统进行保障规划问题求解的实例.系统采用基于Agent构件的分布式体系结构,高层Agent可由低层Agent组装而成.系统顶层使用了7类Agent,其中Decision-Maker和Solver进一步采用了基于Multi-Agent的A-Team框架来实现保障任务控制和问题求解,有效地提高了问题求解的效率和可靠性.     

面向问题域的领域建模方法

阐述了形式化方法优点、描述语言及其应用现状,分析了面向问题域的开发方法的研究的必要性,如何用形式化的方法对问题域进行建模,以及面向问题域的领域建模方法的作用。     

一种基于XML 的装备保障数据集成方法

为了解决装备保障信息系统的数据异构问题,通过分析数据集成的相关概念,针对装备保障数据集成过程中的特点,提出了一种基于XML转换规则的数据集成方法,对集成过程中数据抽取、转换、载入和清洗的实现过程进行了详细设计。     

一种基于DSL的服务组合语言

针对大规模并发应用在组合服务中的服务调度问题,设计一种基于领域专用语言的服务组合语言,给出该语言的主要功能、构造过程和语言执行引擎的详细设计。该语言提供对Web服务组合过程的语义和语法描述,采用自顶向下的组合方式,能解决Web服务组合过程中的组合粒度控制和异构消息匹配等问题。     

基于SOA的装备保障领域信息系统集成研究

本文分析了我军目前信息系统集成中存在的问题,介绍了面向服务的设计思想与标准,说明了SOA(Service-orientedar-chitecture,面向服务的体系架构)在装备保障MIS设计中的作用,提出了基于SOA的装备保障信息系统设计层次,表明了充分利用已有的信息系统,复用现有的服务,进行基于SOA的装备保障信息系统集成的优势。     

基于模糊UML的装备保障知识建模方法

装备保障业务需求建模是装备保障信息系统研发的重要环节,准确描述业务概念和关系是获取高质量需求分析产品的重要前提.然而,该业务领域中用户目标、业务效果等核心要素常包含模糊或不确定信息,容易引发系统研发各方的需求理解偏差,从而给系统后期的设计、开发带来巨大隐患.针对上述问题,首先从装备保障领域知识建模出发,挖掘本领域核心知...     

模型驱动的装备保障优化决策支持系统

以数据、模型、用户界面等要素为基础,提出了以优化模型为驱动的装备保障优化决策支持系统设计思路,拓展设计了系统总体功能结构.构建了包含算法库、模型库和应用库的模型库,引入了脚本模型,以顺序、选择或循环结构程序组合优化模型,实现复杂装备保障决策问题的求解和决策.实例应用表明系统极大地提高了部队装备精确保障能力.     

HLA OM在装备保障仿真中的应用研究

高层体系结构在装备保障仿真领域也有着越来越广泛的应用。建立HLA对象模型和生成联邦执行数据文件是实现仿真互操作和可重用的重要基础,是仿真开发的关键步骤。文中综合了HLA的资料,对HLAOM的组成、分类及OM和FED文件的开发过程等方面进行了分析,并通过装备保障实例,说明了OM的开发和FED文件的生成过程。     

基于Web Services的装备保障信息系统集成架构的研究

该文分析了当前我军装备保障信息系统集成的现状及存在的问题,介绍了Web Services技术的设计思想。通过分析当前企业应用集成的一些关键技术,借鉴已有的企业应用集成模型及平台的研究成果,总结出了一种基于Web Services技术的集成架构模型。     

基于素质差距的装备保障训练需求分析应用研究*

针对我军新型装备缺乏系统规范的保障训练需求分析的问题,提出了“基于人员素质差距确定训练需求”的思路,并结合案例建立了我军装备保障训练需求分析的仿真模型,经验证,仿真结果科学有效。     

装备保障决策支持系统模型的表示与模型库设计

针对装备保障决策支持系统的建立,利用面向对象的方法,具体研究了决策支持系统决策模型的表示;结合关系数据库,对模型库进行了设计,提出了基于关系数据库的模型存储结构规范,并结合装备保障决策模型实例进行了说明。     

航空装备保障智能化发展认识与探讨

自新一代人工智能技术迅猛发展以来，世界各国在智能领域动作频繁，军事化应用明显有加速之势，给装备保障带来了变革性发展的机遇。紧密围绕作战-装备-技术-保障之间的依托关系，从作战需求、装备特点、装备设计、诊断测试和技术驱动等五个角度梳理了装备保障发展的关键因素，给出了装备保障60余载发展历程的诸多原因和显著成果；通过对未来作战模式和未来作战平台保障需求的前瞻性判断，分析了未来作战需求和装备牵引装备保障转变的典型技术特征；并在装备保障领域人工智能技术的发展和应用现状总结分析的基础上，系统地提出了装备保障智能化发展的建设性意见和建议，为国内装备保障智能化发展探索了一个可能的技术方向。     

基于敏捷建模的形式化需求分析方法

软件需求分析是软件生命周期中最关键的一步。传统的需求建模方法主要有两个重大的缺陷：1）非形式化的需求描述常常导致需求的歧义性和不一致性,因而难以确认和验证;2）易变一牲,需求变更及其连锁反应是对项目质量、进度乃至合同履行影响最大的风险因素。本文针对软件需求分析阶段的难点,通过将形式化方法和敏捷建模理论相结合,提出一套基于敏捷建模的形式化需求分析方法。     

基于敏捷建模的形式化需求分析方法

软件需求分析是软件生命周期中最关键的一步。传统的需求建模方法主要有两个重大的缺陷:1)非形式化的需求描述常常导致需求的歧义性和不一致性,因而难以确认和验证;2)易变性,需求变更及其连锁反应是对项目质量、进度乃至合同履行影响最大的风险因素。本文针对软件需求分析阶段的难点,通过将形式化方法和敏捷建模理论相结合,提出一套基于敏捷建模的形式化需求分析方法。     

基于支持向量机的自适应图像水印技术

提出一种基于支持向量机的自适应图像空域水印嵌入算法.由于支持向量机与人眼视觉系统在自学习、泛化和非线性逼近等方面具有极大的相似性,算法利用支持向量机模拟人眼视觉特征,结合图像的局部相关特性,自适应地确定图像的最佳嵌入位置和嵌入强度.首先,利用无导师的模糊聚类分析方法对图像各像素进行初步的聚类,为有导师的支持向量机找到分类规则;然后,从各类别中选出隶属度超过一定阈值的像素作为支持向量机分类的训练样本集,建立支持向量机的分类模型,根据此模型对图像各像素再次分类,从而确定水印的最佳嵌入位置;最后结合图像自身的局部相关性,自适应地调整水印嵌入位置的像素值.该算法在提取水印时不需要原始载体图像.实验结果表明,此算法对多种图像处理均具有很好的稳健性和图像感知质量,其性能优于相关文献上的相近方法.     

基于类分布的领域自适应支持向量机

现有的领域自适应方法在定义领域间分布距离时, 通常仅从领域样本的整体分布上考虑, 而未对带类标签的领域样本分布分别进行考虑, 从而在一些具有非平衡数据集的应用领域上表现出一定的局限性. 对此, 在充分考虑源领域样本类信息的基础上, 基于结构风险最小化模型, 提出了基于类分布的领域自适应支持向量机(Domain adaptation support vector machine based on class distribution, CDASVM), 并将其拓展为可处理多源问题的多源领域自适应支持向量机(CDASVM from multiple sources, MSCDASVM), 在人造和真实的非平衡数据集上的实验结果表明, 所提方法具有优化或可比较的模式分类性能.     

支持向量机建模的二维滑坡模型控制系统研究

滑坡模型作为研究滑坡地质灾害的重要实验平台是一个装载一定量沙石土壤的箱体.二维滑坡模型是在一定模拟降雨条件下通过抬升装载有砂石土料的箱体实现模拟山体滑坡行为.基于对抬升过程中箱体运动规律的分析,设计了一个智能液压控制系统,通过控制阀门开启时间实现了箱体抬升角度的精确控制.采用了最小二乘支持向量机滚动窗算法实现滑坡模型实验箱抬升过程进行动态建模和预测控制,实现了模型平台抬升过程中的倾角检测与控制.本控制系统避免了低速大负载条件下液压系统的脉动和爬行对滑坡模型的影响.实际运行表明本系统满足滑坡模型的平台倾角精度要求.     

大样本领域自适应支撑向量回归机

针对回归问题中存在采集数据不完整而导致预测性能降低的情况,根据支撑向量回归机(support vectorregression,简称SVR)等价于中心约束最小包含球(center-constrained minimum enclosing ball,简称CC-MEB)以及相似领域概率分布差异只与两域各自的最小包含球中心点位置有关的理论新结果,提出了针对大数据集的领域自适应核心集支撑向量回归机(adaptive-core vector regression,简称A-CVR).该算法利用源域CC-MEB 中心点对目标域CC-MEB 中心点进行校正,从而提高目标域的回归预测性能.实验结果表明,这种领域自适应算法可以弥补目标域缺失数据的不足,大大提高回归预测性能.