基于类型2区间模糊K近邻分类器的动态武器目标分配方法研究

动态武器目标分配问题是战场指挥控制决策中的关键问题。由于动态武器目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。     

武器装备研制过程中设立总测试师的必要性

阐述了在武器装备研制过程中设立总测试师的必要性，提出了总测试师在装备研制过程中所担当的职责。     

基于RUP过程的并行测试建模分析与设计

传统的功能性模型由于其较低的抽象程度、过度简化的局限,不适合复杂并行测试系统建模。“Rational统一过程”（RUP）是一种基于统一建模语言（UML）,并-9UML一起可以构成一种建模方法。遵循RUP过程对并行测试系统进行建模,形成描述并行测试系统的一系列规范化建模分析和设计文档,为并行测试工程化奠定模型基础。     

基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.     

并行测试系统资源配置模型

并行测试是下一代自动测试技术的主要发展方向之一。从并行测试系统的本质概念入手,分析了影响并行测试系统资源优化配置的关键因素,给出了解决问题的思路。研究了并行测试信号模型、测试资源接口模型,以降低系统组建成本和提高测试系统效率为研究目标,提出了并行测试任务优化序列的概念;以此为基础,给出了并行测试资源优化配置方法。     

机载导弹不开箱测试关键技术分析

为解决机载导弹二级测试实施过程中存在的问题,提出了对机载导弹实施不开箱测试,给出了不开箱测试的需求分析、研究内容和过程以及所需用到的关键技术。不开箱测试有利于提高后勤保障的效率，提高导弹寿命和使用可靠性。所开展的研究对于不开箱测试的实现具有一定的指导意义。     

一种基于改进型KALMAN滤波器的目标定位算法

在以常规卡尔曼滤波器为基础的各种跟踪算法中，要求精确的模型和噪声统计，但在实际系统中，大多数情况不能满足上述要求。给出了考虑初始条件下不精确性的改进型Kalman滤波器表达式，并在引入速度量测信息的基础上，运用该滤波方法进行空间目标二维定位。Mnte Carlo仿真表明该方法降低了对模型精度的要求，在工程上是可行的。     

基于ATML的一体化保障技术测试信息标准化问题研究

为解决一体化保障技术中存在的测试信息标准化问题,进行了一体化保障技术信息标准化需求分析;基于ATML标准,以UUT描述为例说明了测试信息标准化建模与描述方法,并以层次化的方式建立了XML Schema模型,结合某型一体化保障设备进行具体描述;依据基于ATML的测试信息标准化建模与描述方法,构建保障设备UUT测试信息标准化模型,并以柴油发电机为例进行了具体说明。实例表明,基于ATML的标准化建模与描述可以实现UUT测试信息的格式统一,减少对专用的工具或代码的依赖性,降低测试信息的解析和处理的困难度,以及有效解决一体化保障技术中测试信息的标准化问题。     

云计算及其在测试领域的应用探索

云计算是传统计算机技术和网络技术发展融合的产物,其核心思想是将大量用网络连接的计算资源统一管理和调度,构成一个计算资源池向用户提供按需服务。云计算的出现和快速发展为测试领域带来了新的机遇。首先介绍了云计算的定义和基本特征、服务模型及部署模型,划分了体系结构;其次从软件测试、硬件测试和自动测试系统3个方面,论述云计算在测试领域的应用需求及优势特点,给出一种基于云计算的自动测试系统架构方案;最后展望云计算在测试领域的应用前景,并提出了所面临的安全性、服务模式及适用范围等需要解决的问题。     

基于置信规则库的锂电池SOC估计

电池荷电状态（SOC）的准确估计在电池广泛应用的背景下日益重要,但是构建精确的物理模型十分困难,使用纯粹的数据驱动方法又容易因为电池个体差异性出现过拟合问题。针对这些问题,提出基于置信规则库（BRB）的方法对锂电池SOC的进行估计。该方法既允许专家通过经验知识克服数据驱动方法的过拟合问题,又能通过参数训练克服专家知识的不准确性。以某型磷酸铁锂（LiFePO-4）电池为例,对提出的方法进行了验证,并将其与神经网络进行了对比。结果表明,该方法估计SOC具有较高的精度,估计误差不超过10%,且可以克服传统神经网络方法存在的过拟合问题。