无源定位系统的多目标数据关联算法

主要研究多目标无源定位系统的数据关联方法。数据关联实质上是求解后验概率的极大值,首先建立两传感器三维空间联合关联概率数学模型,将求解后验概率的极大值问题转化为求解特殊的指派问题。由于漏检和虚警的存在,导致指派个数不确定,提出了一种新的改进单亲遗传算法来求解该问题,该遗传算法将解阵看作一个个体,将矩阵的列看作个体的基因,始终对一个个体进行交叉和变异操作。仿真结果表明,提出的求解方法收敛速度快、关联正确率高,验证了模型和求解方法的正确性和可行性。     

平均修复时间的统计分布模型研究

针对装备平均修复时间总体分布模型具有模糊性和试验具有继承性的特点,应用了贝叶斯理论和模糊数学思想,以研制性试验维修样本为验前信息,通过构建二级模糊综合评判模型获得平均修复时间分布的验后概率,进而确定了平均修复时间所属的总体分布模型.通过工程实例分析,验证了方法的有效性.     

基于贝叶斯原理的小子样试验导航误差评定方法

针对鉴定试验花费大、周期长的问题,提出一种水下无人航行器导航误差小子样贝叶斯试验CEP评定方法。该方法综合运用大量验前子样,对其进行相容性检验,以确定有效的验前子样,并运用统计推断理论获取验前信息。根据在验收试验中获取的验后子样获取验后信息,利用贝叶斯理论推出无人航行器满足CEP指标的概率。实例结果表明了方法的有效性和实用性。     

用广义伯努利参数R_(LB)确定抽检方案

本文利用广义伯努利过程参数确定导弹飞行试验抽检方案。以研制性全弹飞行试验结果作为设计定型飞行试验的验前信息;以设计定型飞行试验结果作为生产定型飞行试验的验前信息;以定型试验结果作为批检飞行试验的验前信息,给定置信概率和导弹的命中概率后,可得到设计定型、生产定型、批检飞行试验的抽检方案。若置信概率为0.8、命中概率为0.7时,广义伯努力过程参数所确定的设计定型试验发数要比单式抽检(鉴别比为1.4,生产方、使用方风险率为0.25时)确定的试验发数少,也比二项分布序贯截尾(鉴别比为1.4,生产方、使用方风险率为0.25)确定的平均试验发数少。     

基于层次Bayesian网络及后验风险准则的故障样本量确定方法

针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络 的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。     

基于混合验前分布的小子样维修性验证试验方法研究

针对小子样雏修性验证试验方法进行研究。首先,采用Matlab工具箱中的秩和方法对验前数据进行一致性检验,再使用基于权重因子的信息融合方法确定混合验前分布,最后,运用概率似然比方法得出混合验前分布下的小子样维修性验证试验方案。实例证明,该方法可以减少现场试验样本量,降低试验费用,缩短试验周期,提高军事经济效益。     

核动力设备无信息先验研究

故障时间数据服从单参数情形下使用Jeffreys先验可以得到很好的推断结果,但对于服从双参数的情形,并且参数之间具有相关性时,需要对Jeffreys先验作特定的修改才能使用;推导出服从正态分布的核动力设备故障时间的Jeffreys先验和Reference先验,通过分析它们的后验频率性质得到：Reference先验πR （μ,σ2）∞1／σ2是σ2的精确概率匹配先验、μ的二阶概率匹配先验;在Jeffreys先验下,σ2水平为α的可信上限的频率覆盖概率低于事先给定的可信水平α,其差异会随着样本容量的增大而逐渐缩小;对实例进行分析,首先推导出核动力设备泵的正态分布故障时间数据的Reference无信息先验,应用此先验对故障时间数据进行分析,然后通过Bayesianχ2拟合优度对所建立的无信息先验模型进行检验,发现仅有15．5％的RB超过0．95分位数,表明所建立的正态分布Reference无信息先验模型可以很好的描述本实例中核动力设备泵的故障时间数据。     

融合研制各阶段试验信息的成败型产品可靠性Bayes评估

多阶段成败型产品可靠性的Bayes评估,其模型使用混合验前分布,并将历史与现场样本的拟合优度相结合来确定混合分布中的继承因子.其评估包括先融合各阶段试验信息的成败型产品可靠性评估模型,再通过确定各阶段验前分布、融合各阶段试验信息的混合验前分布、以及继承因子等.     

基于贝叶斯网的舰艇防空威胁评估

现有威胁评估模型的参数大多由专家直接给出,很难应对不确定的对抗场景,以舰艇防空为背景,探讨如何建立适应能力更强的评估模型。首先通过领域专家构建一个舰艇防空威胁评估的静态BN模型;接着加入时间变量,将威胁评估BN扩展为DBN模型;然后结合专家约束,用约束最大后验概率估计算法学习网络参数;最后,通过推理威胁评估的结果来验证模型的有效性以及对不确定对抗场景的适应能力。该建立模型的流程具有更好的普适性,能很好地处理不确定对抗场景下的威胁评估任务。     

融合多源验前信息的成败型产品可靠性Bayes评估

文中研究了融合多源验前信息的成败型产品可靠性的Bayes评估问题。针对当前可靠性评估方法中．传统Bayes方法对验前信息与现场信息不加区分的缺陷，提出了融合多源验前信息的成败型产品可靠性评估模型。模型使用混合验前分布，并用历史样本与现场样本的拟合优度来确定混合分布中的继承因子,简便易行而且合理性很容易得到解释。     

基于故障扩散强度的故障样本选取方法

传统的测试性验证试验样本选取方法没有考虑测试对象的各故障模式之间的复杂性与不确定性关系。针对这一问题,建立了一种基于模糊概率Petri网的复杂系统故障扩散模型,该模型完备地描述了测试对象故障模式之间的传播扩散关系,并引入故障扩散强度概念,按分步扩散的原则对故障扩散过程进行描述,给出了每个故障的扩散强度量值。提出了基于故障率和故障扩散强度的故障样本选择方法,案例验证结果表明,基于该方法选择的故障样本集更能覆盖测试对象的故障模式集。     

改进遗传算法在机器人路径规划中的应用

基于改进遗传算法的移动机器人路径规划,包括改进选择方式和动态确定变异概率两方面.先采用链接图法对工作空间建模,得出起始点到目标点的网络有权图.再利用Diikstra算法决策出初始优化路径,通过改进遗传算法调整各路径点,最后得到最优的或近似最优路径.选择方式以最优保存策略,局部出现相似个体之后实施灾变操作,且根据个体适应度函数值的大小动态确定变异概率.     

基于不完全信息博弈的军事信息网络主动防御策略选取

针对军事信息网络的防御策略选取问题,分析军事信息网络的攻防对抗特点,提出一种军事信息网络主动防御策略选取方法。该方法基于不完全信息博弈对网络攻防过程进行建模,从网络安全属性的角度出发对攻防收益进行量化;以防御效能作为策略选取的标准,设计主动防御策略选取算法。与传统基于博弈论的网络防御方法相比,该方法具有如下优势：在模型设计和收益量化方面更加符合网络攻防实际;能够以纯策略的形式进行主动防御策略选取,有效解决当前以概率形式进行防御策略选取不便于理解和操作的问题。通过实验验证了所提方法的合理性和可行性,并通过防御收益分析总结了网络安全防御的一般规律。     

一种贝叶斯目标选择算法

为了解决多假目标干扰环境下的舰艇编队目标选择问题,在线性高斯假设下,建立了编队目标运动模型和量测模型,并基于贝叶斯方法推导了复合假设后验概率,提出了一种反舰导弹目标选择算法。该算法充分利用了导弹导航位置误差、编队机动和队形等信息,并且适用于量测噪声方差不同的实际情况。同时,为了降低算法的计算复杂度,设计了基于队形的预滤波器,大大削减了复合假设数量。算例仿真表明,该算法具有优良的性能,显著提高了编队目标正确选择概率。     

混合信息熵约束下的电源车传感器优化配置方法

为提升电源车系统的故障可诊断性能,提出一种基于混合信息熵指标约束的电源车传感器优化配置方法。故障可诊断性低是导致电源车故障难以排除的主要原因之一,而测点传感器配置不均衡则是难以迅速、可靠检测电源车故障的本征所在。为此,利用信息值熵理论,借助贝叶斯定理获取电源车系统满足常见故障可诊断性所需的传感器配置集合;考虑到不同传感器之间可能存在冗余,会使得传感器在数量和位置上的配置难以达到最优,进一步借助传递熵方法量化传感器间的冗余度,并将传感器的优化配置问题归结为求解信息值和传递熵的多目标优化问题,以此来获取最佳的传感器配置集合。仿真实验表明,混合信息熵方法对于明确和解析传感器在故障诊断过程中最大的覆盖空间和最小的配置集合具有明显优势。     

基于动态贝叶斯网络推理的运动目标状态最优估计

提出基于动态贝叶斯网络推理的火炮攻击敌纵深运动目标状态估计模型。首先结合Kalman滤波理论，提出基于动态贝叶斯网络（Dynamic Bayesian Networks-DBN）的目标状态估计模型。然后应用DBN的图形模式的前向后向光滑计算方法对某一节点概率进行不确定推理，在对某一观测序列光滑的基础上，预测敌目标运行队列未来时刻的最大可能估计值，将预测信息传给火控系统并决定最优打击点。最后，通过仿真验证了整个方案的可行性。     

D-S证据理论信息融合方法在目标识别中的应用

研究了D-S证据理论在多属性、多传感器模式识别中的应用。在基于D-S推理的信息融合中．其关键问题是基本概率赋值函数的构造。文中基于灰关联分析的思想提出了一种新的基本概率赋值函数的构造方法，并将它应用于辐射源型号识别，仿真实验结果验证了这一方法的正确性和有效性。     

军事信息服务的QoS模型及其监控机制

针对传统的指挥控制系统已无法满足联合作战的需求现状,给出了军事信息服务的概念,建立军事服务QoS指标模型,详细分析了各QoS的属性及描述方法。在此基础上,提出军事信息服务QoS监控及选择模型,并对基于QoS的军事信息服务选择流程进行分析。结果表明,该方法能及时感知军事信息服务QoS数据的变化情况,为准确获取最优军事信息服务提供保障。     

破片式空地反辐射导弹引战配合研究

为提高破片式空地反辐射导弹的毁伤效能,提出了一种炸高依末端弹道倾角而定的近炸方式.分析了起爆点相对目标的方位及距离;确定了由破片面积密度和破片动能所限定的导弹毁伤范围的解析表达式;以毁伤目标雷达天线概率最大为目标函数,建立了求解导弹最佳炸高函数的优化模型;以AGM-88C攻击SAM-6为例,进行了Monte-Carlo仿真计算.结果表明,这种近炸方式能实现较好的引战配合,使导弹获得较高的单发毁伤概率.