论文部分内容阅读
评估是联合作战方案仿真实验的重要环节,评估框架是对仿真实验评估活动的一种认识和指导.通过对联合作战方案仿真实验评估框架的研究,进一步规范联合作战方案评估分析活动,从评估分析的视角深化对联合作战方案仿真实验活动的认识,为更加科学有效地组织实施仿真实验活动和构建开发仿真实验系统提供理论和方法.
联合作战方案仿真实验评估框架研究
【摘 要】
：
评估是联合作战方案仿真实验的重要环节,评估框架是对仿真实验评估活动的一种认识和指导.通过对联合作战方案仿真实验评估框架的研究,进一步规范联合作战方案评估分析活动,从评估分析的视角深化对联合作战方案仿真实验活动的认识,为更加科学有效地组织实施仿真实验活动和构建开发仿真实验系统提供理论和方法.
【机 构】
：
国防大学联合作战学院,河北 石家庄 050084
【出 处】
：
指挥控制与仿真
【发表日期】
：
2022年1期
其他文献
鉴于随着后视镜、A柱、天窗等部位的气动噪声源得到有效控制,汽车车底高速气流对车内噪声的影响逐渐凸显,本文中对汽车底部高速气流引起的车内噪声进行研究.首先,应用计算流体力学(CFD)和有限元分析(FEA)相结合的方法计算实车模型车体高速气流引起的车内气动噪声,结果表明,声压激励的传递效率明显高于湍流压力激励,车内噪声随频率升高先增后减,主要集中于100至300 Hz的中低频段.接着,引入模态声传递向量方法(MATV),基于实车模型进行仿真,并与试验和FEA计算结果对比,结果表明,与试验结果很好吻合,而其计算
明确乘员生理热响应与热感觉相关性是实现舱内热环境智能化控制的迫切需求.为探究人体热感觉与其生理热调节的关系,搭建了非均匀热流耦合的乘员舱气候试验平台,进行主观热感觉评分,通过热感觉和热舒适试验建立双标尺的人体热感觉评价体系,接着,通过受试者穿戴传感器,测得脉率、血氧饱和度、血压和皮肤温度等生理热响应.对试验数据进行处理和分析,T检验数值表明,脉率及其变化率与热感觉呈显著正相关(Pearson相关系数分别为0.943和0.955),而血压的平均压变化率和舒张压变化率与主观热感觉呈显著负相关(Pearson相
针对高速车辆侧风稳定性问题,搭建了汽车多体动力学(multi-body dynamics,MBD)和计算流体力学(computational fluid dynamics,CFD)双向耦合平台,并基于该平台设计了一种侧风稳定性控制系统.该系统的上层控制器基于滑模理论计算出侧风干扰下的高速车辆为维持稳定所需的附加横摆力矩,下层控制器将上层控制器输出的横摆力矩分配到各个车轮,从而完成车辆的抗侧风干扰控制.分析了未受控制车辆与直接横摆力矩控制(di-rect yaw-moment control,DYC)车辆在
分布式被动传感器信息融合中存在关联与定位在求解原理上相悖,导致最优化关联指标难以确定,在目标数未知时建模困难.为此,提出了双传感器信息关联的可行关联矩阵表示方法,在此基础上确定了基于方位测量的极大似然概率指标,建立了以可行关联矩阵为变量的最优化关联模型,并证明了代价函数极值定理.仿真计算结果表明所建立的模型是有效的,可以为分布式被动传感器信息融合系统提供参考.
对Taylor级数法在纯方位TMA(目标运动分析)问题中的发散问题进行了仿真分析.针对原始方法的奇异性,提出了一种大权值改进方法,依据仿真分析结果,给出了迭代初值的选取原则,最后给出了一种“万无一失”的发散补救方案.仿真结果表明,改进后的方法对于常用态势以及优选的初值没有发散情况出现,全部收敛.
变分自编码器(VAE)推理随机缺失数据还原是近年来一种新兴的数据填补方法,但传统的VAE算法存在后验分布单一,变分推断证据下界收敛慢等问题.因此,提出了一种采用高斯混合后验分布和缺失数据位置掩码推理缺失数据还原的新的贝叶斯推理网络框架——Index-GMVAE.在Mnist手写数字数据集和Adult数据集上分别做了实验验证,仿真结果表明,提出的算法能明显提高证据下界的收敛速度,相比于VAE算法,将缺失数据推理还原的准确率提高了10％左右,且在图像数据集和异构二分类数据集上均有效提高了模型的概率隐变量层的推
组合导航系统在实际应用中存在信号传输和解算的延时影响,直接使用带有延迟的测量数据会导致滤波算法的精度下降甚至发散.针对这类测量具有随机时延的滤波问题,提出了随机时延卡尔曼滤波算法,该算法的核心是将新的量测用于更新过去的多个状态,以此来对时延进行补偿.GNSS与INS的组合导航系统仿真结果表明,所设计的滤波算法在面对量测具有随机延时的情况下,可以减轻滤波后的尖峰现象,降低估计结果的误差.
针对雷达航迹数据特征提取不充分使得对空中目标分类识别准确率低的问题,提出了一种航迹数据高维特征矩阵提取方法.首先从机动性、巡航性、飞行区域以及高阶特征进行航迹数据分析,进而在不同维度统计数据特征、提取多维航迹数据特征参数,最终形成航迹数据高维特征矩阵.通过实测航迹数据实验表明对特征提取充分,多类机器学习方法验证识别率统计均值为92.4％,证明了本文算法的可行性与稳定性,该方法可作为提升航迹目标识别准确率的有效手段.
针对有雾情况下目标检测等视觉任务精度明显下降,提出了一种端到端图像去雾网络,能够直接生成清晰图像且不需要成对的无雾图像和真实图像进行训练.将注意力模块融入生成器网络中,充分考虑不同通道和不同区域在有雾图像中的影响,并将通道注意力和像素注意力相结合,提出了一种新的特征关注模块,赋予重要特征通道和像素区域更多的权重.考虑到高低频信息在雾图中的不同影响,将频率信息融合到鉴别器中.最后,对损失函数进行了优化,添加结构损失保证循环一致性,分解鉴别器高低频损失,减少了颜色失真和伪影.实验表明,本方法在公共合成数据集和
为研究数值模拟中网格类型及网格尺度变化对离散误差产生的影响,对NACA2412三维翼型在0°、4°、8°、12°攻角下进行了计算流体力学(CFD)仿真,得到了对应条件下的升力系数及阻力系数,利用Richardson外推法研究多套连续变化的结构网格及非结构网格数值解的空间离散误差,并结合网格收敛指标(GCI)法对误差进行分析,最后,通过网格收敛性分析得到对应网格研究组修正后的精确解.结果表明:各个攻角条件下结构网格模型的离散误差均明显小于非结构网格,网格类型的改变对升力系数的影响更大,且细网格模型具有更好的