基于Matlab/Simulink的空空导弹攻击区仿真

针对导弹攻击区仿真计算中存在的可视化效果差、编程复杂、计算时间长问题,提供了一种简便有效的方法。首先,利用Matlab环境下的Simulink工具箱,基于模块化的设计思想建立了弹道仿真模型;然后,建立了脚本文件,运用Matlab语言编程,设置仿真参数,改变目标进入角,采用二分法计算弹目初始距离,并在脚本文件中调用Simulink弹道仿真模型,计算空空导弹攻击区;最后,通过仿真验证了弹道仿真模型的正确性和攻击区计算方法的可行性。     

抗高冲击加速度压力传感器结构设计

本文介绍一种高冲击加速度环境下使用的高压传感器结构设计。包括指标的确定、主要结构特点和加速度灵敏度补偿结构计算等。动、静态标定结果表明,采用“全隔离”抗应变测压结构,解决了600MPa压力传感器耐8×10~4gn高冲击过载问题。     

基于决策树和相关向量机的智能故障诊断方法

针对故障诊断面临的故障样本少、非线性强、多故障处理等问题以及传统智能诊断方法存在的不足,提出了一种基于决策树（DT）和相关向量机（RVM）的智能故障诊断方法。通过构造决策二叉树,将多类分类问题分解成多个二类分类问题;在各个决策节点,利用RVM进行二类分类,从而实现RVM的多类分类。理论分析及仿真结果表明,相比支持向量机,新方法在保持高诊断正确率的同时具有更高的稀疏性和诊断效率,并且能够提供概率式输出,更具实用价值;相比OAR-RVM和OAO-RVM方法,新方法节省了训练时间,具有更高的训练效率。     

一种获取载机尾后目标运动信息的方法研究

越肩发射需要载机提供尾后目标的运动信息,包括方位、距离和速度等。提出利用机载雷达告警接收机测量到的目标方位信息,根据扩展Kalman滤波理论,对目标的其它运动信息进行实时估计。仿真结果表明。该方法能够满足常规导引方法的基本要求,但滤波收敛速度仍需进一步提高。     

双机用雷达告警接收机对尾后目标信息获取的方法研究

针对载机尾后目标探测问题,提出利用机载雷达告警接收机提供的目标方位信息,运用非线性滤波算法对载机尾后目标的距离、速度等运动信息进行实时估计。仿真结果表明,利用该方法能够在一定误差范围内实时获取尾后目标的运动信息;载机间距、载机-目标初始距离对估计精度有较大影响。     

基于M-DSSE和RVM的复杂装备健康状态预测

针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归模型对装备的健康指数进行预测,实现对装备健康趋势的预知,为最终的预知维修提供重要技术支撑。在某航空机电设备上的应用结果表明,该方法可以有效解决复杂装备健康状态评估与预测的问题,结果与实际情况相吻合。     

电气设计监理中的质量和投资及进度控制

对设计监理进行了介绍，分析了电气监理中质量、投资和进度控制的重要性，对电气设计监理中的质量、投资和进度控制进行了详细阐述，以在创造精品的同时减少投资，并且保质保量按时完成。     

基于回归分析方法的网络故障预测

结合回归预测模型,提出一种对网络中单个组件故障率的多项式回归预测模型.通过将多项式回归模型转化成多元线性回归模型求解参数,得到预测方程.利用检验预测回归方程和回归系数显著性,得到同实际故障统计数据拟合的效果优于原方程的新预测方程.使用一组网络组件的故障率数据对预测方程进行验证,结果表明,在根据预测误差低于2％的要求而确定的预测区间内,该方法可以为网络中单个组件故障率预测提供决策依据.     

复合制导空空导弹截获概率模型仿真

针对复合制导空空导弹截获目标时导引头预置天线角度与导弹允许截获不在同一时刻这一问题,建立了一种新的截获概率估算模型。根据中末制导交接班时导弹截获目标的算法流程,确立了导弹截获目标的条件,分析了影响导弹截获概率的主要误差源,建立了各误差数学模型,并通过等效转化法将弹目指示位置向量在三维空间的散布转化为弹目实际相对位置向量在三维空间的散布,完成截获概率估算模型的建立。该模型利用已知的误差先验估计及导弹飞行过程中的测量信息,可在一次弹道计算中解算导弹截获概率。利用此模型采用控制变量法分析了各误差因素与截获概率的关系,仿真结果表明：目标截获概率对数据链周期和测角精度敏感性最高。     

一种基于小样本数据的装备故障预测方法

针对目前装备故障预测面临的数据小样本问题以及现有数据驱动方法的不足,提出了一种基于相关向量机的装备故障预测方法,并通过故障预测仿真实例验证了方法的有效性和合理性。理论分析及应用结果表明:与神经网络、支持向量机等方法相比,该方法在保持较高预测精度的同时,在输出形式、参数设置等方面具有优势,应用前景广阔。