基于模板匹配的桥梁毁伤效果评判研究

针对桥梁自动毁伤评判中打击效果评估标准的缺乏问题,利用模板匹配思想,结合导弹攻击桥梁目标的特点,提出了桥梁目标的毁伤效果指标,建立了桥梁毁伤效果评判模型。选取桥梁遭导弹打击后最大可用车道数、最大承载力与失效时间对桥梁的毁伤程度进行评判,并且根据战场情报信息的不完整性特点,提出运用模糊方法对指标进行分级度量。最后给出了评判桥梁毁伤效果的详细过程。     

水雷对舰船的毁伤概率计算模型及仿真

水雷障碍的作战效能研究是目前研究的重点.基于具有机动能力的水雷的特点,综合考虑了水雷障碍中水雷的布放成功率、命中概率、水雷的可靠度和动作概率等主要因素对目标舰船毁伤概率的影响,提出了目标舰船航线的选择服从均匀分布时和目标舰船航向服从正态分布时的目标舰船遭遇水雷概率计算模型,建立了基于具有机动能力水雷对目标舰船的毁伤概率模型,并进行了仿真验证,具有较高的实用性.     

基于Adams履带车辆工具箱的自行火炮行军试验仿真

用ADAMS10．1版增加的履带工具箱（ATV），建立了某自行火炮的多体系统动力学模型。该模型每条履带系统由一个诱导轮，6个负重轮，1个动力轮，3个托带轮和84块履带板组成，整个模型共有1051个自由度，详细分析了诱导轮，负重轮，动力轮，托带轮和履带板的受力状态，就下列4种情况在硬距面上进行了动力学仿真：一，双侧动力轮设定同样的转速，使自行火炮越过一障碍；二，双侧动力轮设定同样的驱动力矩，使自行火炮在平坦硬路面上行驶；三，一侧动力轮设定驱动力矩，另一侧动力轮设定驱动力矩为0，使自行火炮在平坦硬路面上转变；四，两侧动力轮设定大小相等，方面相反的驱动力矩，使自行火炮在平坦硬路面上转变，通过以上分析，得到定量分析自行火炮越野性能，动力性能和机动性能的依据。     

考虑信息的自行火炮武器系统效能仿真

为了研究新型自行火炮装备与现有自行火炮装备的结合使用与联合保障效能问题,根据自行火炮的使用特点和任务剖面,建立了基于高层体系结构(High level architecture, HLA)的作战仿真系统,探讨了同类仿真系统的模型需求,并深入研究了信息感知与传输、火力毁伤、故障和维修的建模和仿真。最后通过实例验证了该仿真系统的可行性和可信性,不仅为同类型作战仿真系统的开发提供通用框架,而且为研究新旧装备的联合使用和联合保障问题提供了一种新思路。     

作战智能体的攻击行为模型研究

针对作战模型中的攻击行为描述问题,在基于多智能体的作战模型中提出了一种攻击行为模型。将攻击行为分解为确定作战对象、选择武器、计算攻击效果三个主要动作,分别建立了一次进攻多个作战对象、阵地作战和机动作战的作战对象选择模型,面目标杀伤武器和单目标杀伤武器选择模型,讨论了作战对象毁伤计算模型。     

压制武器的作战仿真研究

首先抽象出了描述压制武器作战过程的基本组成要素,建立了压制武器作战任务的基本框架,然后对压制武器火力规划进行仿真建模;并对压制武器作战单元的机动仿真进行了分析;通过仿真试验分析了在遭受火力打击时装备毁伤率与机动速度之间的关系。     

论加速系数与失效机理不变的条件（Ⅱ）──失效为计数过程的情况

本文在产品失效服从计数过程时，根据加速系数的定义，详细地讨论了加速系数的性质，指出这些性质与计数过程失效机理不变条件间的本质联系，并给出了各种常见的用计数过程表示的可靠性增长模型失效机理不变的条件     

连环恐怖袭击下危险品运输网络级联失效建模

研究危险品运输网络在遭受恐怖袭击后的级联失效过程和性质有助于指导系统建设和提高其抗毁性能. 在分析危险品运输网络及恐怖袭击特性基础上，建立了双层危险品运输网络模型，通过定义网络的三种节点状态，分析了单次和连环袭击下的危险品运输网络级联失效过程，基于此，建立连环袭击下的危险品运输网络级联失效模型. 从“结果性”和“过程性”两个视角出发，提出网络抗毁性的评价测度“节点存活率”和“相对二次级联失效数”. 通过建立实例仿真场景和仿真流程，就不同袭击次数、不同节点的度及容量系数和不同规划方式对危险品运输网络级联失效特性的影响进行仿真，验证了模型的可行性，仿真结果为危险品运输网络的规划提供决策依据.     

路线机动时间守恒与CPM网络机动时间不守恒理论

机动时间特性研究是对项目进度进行科学管理的基础.为了分析路线机动时间和关键路线法(CPM)网络机动时间特性,本文利用几类机动时间概念,特别是总时差,前、后共用时差,双单和双共时差,在机动时间定理基础上,提出了路线机动时间守恒定理及推论、CPM网络机动时间不守恒定理和最大最小值定理,并给予了严格证明.最后,通过算例,进行了分析和验证.     

机动目标轨道的估算和预测

卡尔曼滤波器用于反飞机火炮控制是很适合的。在本文中,我们利用卡尔曼滤波器理论发展了一种精确的、在数字上有效的方法,以便估算和预测机动固定翼飞机现在和未来的位置。这个方法已在雷达跟踪器火炮控制系统中实现并对各种固定翼飞机目标做了实验。外场实验结果表明,采用这个方法能够得到很高的目标瞄准精度。     

杠杆率对预期权益回报率的影响研究

上市公司经营的核心目标为股东财富最大化,预期权益回报率是衡量股东财富变化的重要指标.本文研究了杠杆率对上市公司预期权益回报率的影响,据此讨论是否存在最大化预期权益回报率的资本结构.财务困境成本与代理成本的存在,使得我们难以从公司价值最大化的角度研究最优资本结构,因而从股东财富最大化的角度着手研究更为现实,隐含资本成本能较好地代表股权投资者的预期收益,进而反映股东财富的变化.本文使用Gebhardt-Lee-Swaminathan (GLS)模型对隐含资本成本进行测算,以此衡量预期权益回报率.本文通过实证发现,上市公司的杠杆率与预期权益回报率呈现倒"U"型关系,存在一个使得预期权益回报率最大化的最优资本结构,当杠杆率高于最优水平时,去杠杆有利于增加股权投资者的预期收益;而当杠杆率降至最优水平之下时,加杠杆有利于增加股权投资者的预期收益.     

基于多Agent的ISC协作管理

以集成供应链(ISC)作为复杂适应系统(CAS)角度,引入多Agent建模思想构建了ISC协作管理的原型,强调战略、组织、方法、信息、文化和过程集成性;并且考虑ISC协作抉策者的多元性和有限理性,在行为金融范式下基于效用理论构建了ISC协作干系者满意度模型。以此为内核,给出了原型中各Agent间的优化算法,为ISC的和谐性研究提供了一种系统分析方法。     

基于STAGE的单舰防空反导仿真实现

单舰防空反导是现代海战中舰艇作战使用研究的重点和难点,也是舰艇战斗力形成的关键。在对舰艇防空反导仿真进行深入研究的基础上,提出了运用STAGE构建单舰防空反导仿真系统的基本框架,并详细描述了系统仿真模型的构建以及运用STAGE的实现方法。     

基于本体的分布式查询分解算法研究

针对相关领域数据分布在不同站点,数据源的准确定位是分布式语义查询系统的关键,提出子本体交叉递归推理方法,该方法利用子本体间相互交叉的特点,从增强子本体中获取隐含的查询结果,从而保证分布式查询的语义完整性,提高了查全率。在此基础上,将分布式RDF查询分解为多个查询片段的分解策略保证分布式语义查询模式的分布透明性。最后描述算法的详细设计过程,并分析时空复杂度,其结果分析表明算法具有较好的计算性能。     

基于动态方差的指数期货到期日波动效应

基于有关文献中关于到期日效应的诊断方法,指出其中波动效应诊断方法中存在的缺陷。在此基础上,提出基于动态方差的诊断方法。与传统波动效应检验方法相比,基于动态方差的诊断方法能够根据金融数据的特征,充分利用研究时段中各个异常波动的信息,分析到期日与比较日(非到期日)之间出现异常波动的差异,进而动态地诊断波动效应。     

基于概念树的评估指标相关性研究

判别评估指标之间的相关性是评估指标体系优化中的基础工作之一，论文首先依据评估指标变量的参照点和单位将其划分为3种类型，然后研究评估指标变量的组合类型及其相关性分析方法，其次，引入一种新的方法－概念树方法分析评估指标之间的相关性，提出评估指标的概念树的构建方法及应采取的相应策略，通过举例说明该方法，还给出了如何处理在评估实践中常常出现的，在越高的层次上评估指标之间的相关性越高这一问题的建议，最后指出该方法可以应用在教育以及科研等评估领域。     

基于虚拟样机的武器系统性能评估方案

讨论了利用虚拟样机技术仿真的意义和重要性,概括了ADAMS的主要特点,介绍了ADAMS中用户自定义函数的编制,首次将其应用引入到武器装备研究领域。分析了影响火炮射击性能的主要故障模式,提出了火炮正常工作的三个基本准则。在火炮拓扑结构分析的基础上,结合Fortran语言编制了火炮故障仿真模块,在ADAMS环境下建立了火炮虚拟样机。制定了基于虚拟样机的火炮射击性能评估方案,并提出了火炮性能评估函数的概念。最后,对虚拟样机的应用前景进行了展望。     

传感器网络中基于k-GH模型的对偶密钥预置算法

由于传感器网络节点能量有限,传统的密钥管理方法（如：公开密钥加密技术、KDC等）不适合传感器网络,对偶密钥是传感器网络的一种基本的安全技术,如何结合传感器网络的特性提高对偶密钥性能具有十分重要的意义。依据传感器网络分组部署的特点,在KDC和基于多项式池的密钥预置模型基础上,提出了一种用于密钥预置的k-GH（k-Grid Hypercube）模型,并基于k-GH模型提出了一种新型密钥预置机制。理论与仿真分析表明,新算法具有更低的存储开销、通信开销和良好的安全性能,因此,是一种适合传感器网络的高效对偶密钥预置立算法。     

基于多尺度LSTM预测模型研究

航空发动机剩余寿命（remaining useful life,RUL）预测是设备故障预测与健康管理（prognostics and health management,PHM）的核心问题。针对发动机数据维度高、滞后性强和复杂度高等挑战,提出了一种基于自训练权重的多尺度注意力双向长短期记忆神经网络模型。通过不同尺度的双向长短期记忆神经网络（bidirectional long short-term memory neural network,BiLSTM）提取多尺度特征;提出一种基于自训练权重的融合算法,通过引入注意力机制进行不同尺度的特征筛选,以提高预测精度。将各模型在NASA的C-MAPSS数据集上进行实验对比,结果证明,所提出预测模型在准确率和均方根误差指标上均有所提升。     

基于AdaBoost的神经元形态分类的研究

根据神经元形态的几何特征,使用AdaBoost算法对其进行分类,采用决策树、贝叶斯和关联规则分类模型作为基分类器。算法首先采用直接面向纽舍分类器分类精度提升的集成学刁算法选取基分类器,其次利用分类过程中生成样本的孱升权值来调整前K次（K〉1）被错误分类样本的权重,并提留双重阎值法对样本的最终投票表决结果进行判定。对20个测试样本进行分类,得出高可信度分类数为18个。