基于多项分布的导弹命中精度贝叶斯验收方案设计

导弹命中精度验收试验是检验导弹命中性能的重要环节。针对现有GJB3400—1998中的二项分布命中精度验收试验方法难以细致描述导弹精度性能问题,考虑点目标区域对其作战效能影响,将命中精度内涵由将目标看作毁伤效果具有同一性的整体,拓展为导弹命中不同区域会产生不同等级毁伤效果的多区域目标,并将导弹命中精度试验采用多项分布表示。同时在验收试验中采用贝叶斯方法并结合Dempster-Shafer(D-S)证据理论可融合多源先验信息,提出一种基于多项分布的导弹命中精度贝叶斯验收方案设计方法。示例结果表明:所提方法相比GJB3400—1998中的方法能够从命中不同重要区域的多个标准检验导弹精度性能,有利于帮助使用方得到命中精度更为可靠的导弹,并充分利用命中精度先验信息,有效降低验收双方风险,为导弹命中精度鉴定和验收设计提供借鉴。

基于随机森林的导弹命中预测与因素分析

论文提出了一种基于随机森林算法的导弹命中预测和因素分析模型,旨在提高导弹命中率并找出影响命中结果的关键因素。该模型应用于实际导弹打击事件的预测,并通过与实际结果的对比验证了其准确性和可靠性,进一步证明了其在空空导弹发射命中预测工程中的应用潜力。此外,通过对关键因素的合理性分析,为提高装备测试性能水平提供了有价值的对策和建议。

反舰导弹命中精度评估方法

研究了基于Bayes方法的反舰导弹命中精度评估方法,提出了导弹命中点系统误差评估方法、Bayes检验方案和CEP评估方法。

质心干扰情况下导弹命中误差研究

为提高质心干扰效果,需要研究在质心干扰情况下导弹的命中误差及其敏感因素。依据质心干扰原理和导弹命中原理,构建了质心干扰情况下导弹命中误差计算模型,并用模型对不同态势质心干扰情况下的导弹命中误差进行了仿真,得出导弹命中误差随敏感因素变化曲线。所得结论可为正确实施质心干扰发射和舰艇机动决策提供依据。

基于自适应变异混沌粒子群优化和SVM的导弹命中预测模型

针对国内外关于导弹命中预测方面存在的研究深度不足、算法寻优能力不强、模型预测精度不高等缺陷,提出一种基于自适应变异混沌粒子群算法(AMCPSO)和支持向量机(SVM)的导弹命中预测模型。首先,对空战数据进行特征提取,构建模型训练所需样本库;然后,采用改进的AMCPSO算法对SVM中的惩罚因子C和核函数参数g进行寻优,并用优化后的模型对样本进行预测;最后,与经典PSO算法、BP神经网络法、网格法构建的预测模型进行了对比实验。实验结果表明,所提算法的全局寻优能力与局部寻优能力均得到提高,模型预测精度较高,可为导弹命中预测研究提供一定的参考依据。

基于验前信息相容性与一致性的导弹命中精度Bootstrap评估

针对特小子样条件下自助法(Bootstrap)再生子样“退化”现象,提出利用导弹相似型号试验信息等验前信息作为Bootstrap法抽样样本。首先,指出验前信息的利用除考虑与现场试验信息的相容性外,同样应当检验不同来源的验前信息之间的一致性,并提出了导弹命中精度评估验前信息的预处理方法;然后,为避免引入大量验前信息而“淹没”现场试验信息,利用重要度抽样思想提出一种改进的权重分配方案,得到改进Bootstrap法;最后,结合导弹命中精度评估实例,完成对验前信息的预处理,仿真证明改进Bootstrap法可提高落点密集度的点估计和区间估计,提升了命中精度评估的可信性。

导弹命中率的估计和检验

本文讨论了导弹可靠性试验中提出的有关命中率的估计和检验问题，考虑估计量Ｐ与命中率Ｐ的误差，它服从正态分布Ｎ（０，σ２Ｐ）。我们设法将非线性函数化为线性函数，运用线性函数的误差传递公式，设法得到σ２Ｐ的估计，从而可求得Ｐ的置信水平为１—α的区间估计。并由试验结果对命中率是否达到指标值作假设检验。

小子样条件下命中精度Bayes序贯检验与递推估计

Bayes序贯检验和Bayes递推估计法分别从假设检验和参数估计角度对传统试验评定方法进行改进,将二者联合运用,检验和估计紧密结合,运用于导弹命中精度评定试验,充分利用验前信息以弥补现场数据的不足,制定合理有效的评定方案,使得试验结果更加准确、试验用弹量更少。实例分析表明,该方法能够有效提高检验和估计结果可信性,适用于小子样条件下的命中精度评定试验。

台湾空军美制空空导弹

台空军现役主力空空导弹大多为从美国进口或研仿。虽然部分导弹具有发射后不管和多目标攻击能力,但仍存在明显问题。如“响尾蛇”空空导弹命中率较低,攻击死角大,且不具备全天候作战能力,而“麻雀”作战反应时间长,对付小型低空目标能力不足。AIM—120C型“阿姆拉姆”先进中距空空导弹 2000年9月28日,美国不顾中国政府强烈反对,宣布将向台湾出售AIM—120C型“阿姆拉姆”先进中距空空导弹。美方是在同年4月间的对台军售会议时同意出售这种先进导弹的。