基于相似理论的系统仿真可信性分析

基于相似理论的基本原理 ,讨论系统仿真的可信性问题 ,提出基于相似理论的系统仿真可信性分析的基本思想和方法 .     

鱼雷自寻仿真可信性的时－频分析研究

仿真系统应尽量真实地反映实际系统的特性,仿真结果是否可信,是评价仿真性能不可缺少的环节。受水下复杂环境的影响,鱼雷自导的目标特性和海洋混响具有非平衡性。本文采用基于时－频分析的二维互相关方法,评估鱼雷自导仿真结果的可信性。并用仿真数据和实测数据对这种方法进行验证。实验结果表明,该方法在评价鱼雷自导目标特性,海洋混响仿真结果的可信性方面,是一种非常有效的方法。     

仿真模型置信度的决策分析方法

仿真模型置信度直接影响着仿真系统的置信度和仿真试验的价值大小,因而倍受关注.基于置信区间法原理,利用模型的输出数据结合对参数区间估计的置信度与决策风险的分析,讨论了仿真模型置信度的决策分析方法.应用于水下目标辐射噪声仿真系统中的信号仿真模型,对模型置信度进行了分析,可为决策者提供辅助决策支持.     

仿真可信度评估中相似度方法的改进及其应用

随着仿真技术在各个领域中的广泛应用,如何合理地评估仿真系统的可信度越来越被大家所关注.首先针对相似度方法在使用过程中所存在的问题,提出了对相似度方法进行改进的一种思路,给出了改进后相似度方法的计算公式;然后应用改进后的相似度方法对某型号导弹制导仿真系统的可信度进行了评估,并最终给出了该仿真系统的定量可信度.实践证明,改进的相似度方法实用性更强,具有广阔的应用前景和巨大的应用价值.     

仿真系统VV&A发展的五大关键问题

仿真系统已经成为军事和民用领域生产和研究不可缺少的工具,仿真可信度问题是影响仿真系统向更宽广领域应用发展的重要问题。仿真系统VV&A重要性日益被仿真用户、开发者和管理者所认识。本文探讨仿真系统VV&A发展需要解决的五大关键问题,最后对我国仿真系统VV&A的发展提出几点建议。     

高校师生关系的重新认识

如今高校师生关系已不再是有着千年历史的传统认知中的“一日为师,终身为父”、“唯我独尊”、“唯师是听”的关系．在数字化生存的时代,在民主平等的社会里,教师有必要重新认识自己在师生关系中的位置．教师首先要感谢学生给了一份高尚的职业,树立起为学生服务的意识,拥有为学生服务的本领．其次,教师要把学生当朋友,尊重学生,平等地与学生分享经验,与学生真诚交往,与学生一起成长．最后,教师要坦然面对学生的评教活动,注意自己的一言一行,努力和学生建立一种平等、互信、和谐的师生关系．     

基于LS-DYNA 3D的聚能装药数值模拟规律验证与检验

针对当前广泛应用的商用数值模拟软件LS-DYNA 3D,开展了聚能装药射流成型与侵彻数值模拟结果可信度研究,对美国BRL-82基准弹进行数值模拟规律验证.结果表明：对轴对称聚能装药结构,药型罩壁厚网格数δ=4,对应装药、射流成型及侵彻通道的关键区域网格单元划分0.25 mm;射流成型采用多物质全Euler算法,侵彻采用多物质流固耦合算法,计算结果可信度较高.此外,铜药型罩材料本构模型选为Steinberg或Johnson-Cook时,对射流成型及侵彻计算结果可信度影响较小.设计了直径为56 mm的聚能装药,基于上述验证规律对其射流成型及侵彻进行数值模拟,通过脉冲X光和静破甲实验对该结果可信度进行了检验.     

反腐倡廉与社会公信力提升研究

改革开放30多年来,我国政治、经济和文化都发生了很大的变化,但变化的同时也呈现出了众多影响社会公信力的因素,其中腐败因素是最主要的颗粒,他腐蚀了公信力的机体,使公信力缺乏活力,使人们丧失了对政府和党的信心,因此,以社会主义核心价值为导向,遏制腐败是当务之急。     

基于可信性均值-方差-偏度-正弦熵的投资组合模型

通过引入可信性理论和偏度约束,分别建立了同时满足随机不确定和模糊不确定情形的均值-方差-偏度-正弦熵多目标投资组合优化模型（Mult-M-V-S-SE）和含有收益及风险系数的单目标投资组合优化模型（M-V-S-SE）;然后运用马尔科夫方法预测模糊收益率,利用遗传算法优化模型投资策略,通过上海证券交易所数据进行实证比较。结果表明：Mult-M-V-S-SE和M-V-S-SE两模型效果均超过均匀投资策略（MEAN）;M-V-S-SE模型灵活且稳定,更具有优势,在满足投资者需求的同时可实现更高的累计收益。     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.