面向服务的AI-ESTATE故障诊断系统建模

测试和诊断的融合可以提高武器系统的维护效率,但是随着武器装备的升级改造就带来了原有的诊断知识难共享、诊断推理软件难以互操作、难重用,诊断功能难扩展的问题;AI-ESTATE标准规范了诊断知识和数据的标准化描述和诊断推理机的服务接口,为知识互换和软件可移植提供了条件;论文研究了面向服务的AI-ESTATE开放式故障诊断系统的体系结构和信息传递模式,分析了推理机模型管理服务和互操作服务;然后运用静态诊断模型服务关系图和UML时序图分析了AI-ESTATE服务在诊断模型编辑、索引等功能实现中的交换流程,运用动态诊断模型的UML时序图分析了AI-ESTATE互操作服务在故障诊断系统运行中推理机与其它组件的动态交互过程,为开放式AI-ESTATE智能诊断系统的开发奠定了基础。     

神经网络应用于干扰效果评估的研究

将人工神经网络引入干扰效果评估中.这种方法利用以前多次试验的结果,通过学习拟合出干扰效果与诸因素的映射关系,建立评估模型,用以对干扰效果作出评估.实验证明,这种方法简便、易行、准确率高.     

SINR极化滤波器通带性能研究

本文在非相干、完全极化、单信号一干扰源情况下,研究了SINR极化滤波器的通带特性,具体给出了极化轨道上局部化SINR滤波器通带的计算公式、全极化域SINR滤波器通带计算公式以及通带范围尺度的定量描述和相应的性能曲线。     

ATML测试资源与测试需求自动匹配方法研究

基于ATML测试描述文档自动生成测试程序过程中,关键是实现测试资源与测试需求的自动匹配。首先对ATML测试描述文档中测试能力、测试需求、开关、端口、能力与资源的映射等基本数据元素的表示方法进行分析研究,定义了与其对应的C 数据类型。然后在研究图论相关理论的基础上,分析了描述文档中测试路径的表示方法,确定了采用邻接矩阵表示测试路径的方法。最后,在以上研究的基础上,提出了以稀疏矩阵和单链表为基础的测试能力与测试需求匹配算法,实现了测试能力与测试需求的自动匹配。该算法在实际测试程序开发中得到了应用,结果表明该算法能够实现基于ATML描述文档的测试资源与测试需求自动匹配,并能极大提供测试程序开发效率。     

基于变权模糊综合评判的雷达抗干扰性能评估

围绕雷达抗干扰性能评估问题,建立了评估指标体系.针对传统模糊综合评判采用常权面临的突出问题,引入了变权的思想,研究了变权模糊综合评估方法.给出了应用变权模糊综合方法评估雷达抗干扰性能的示例,并对应用情况进行了分析.结果表明,相对于常权方法,采用变权模糊综合评估方法可以得出更加合理的评估结论.     

一种新的雷达有源干扰效果评估准则的研究

结合对雷达抗干扰品质因素（ＱＥＣＣＭ）的分析,给出了一种新的干扰效果评估准则一干扰效果因素（ＱＥＣＭ）,并对ＱＥＣＭ进行了定义。随后,本文讨论了ＱＥＣＭ与雷达其它工作性能指标的关系．验证了它作为一种干扰效果评估准则的合理性及有效性。     

高分辨雷达信号极化检测研究

本文针对高分辨雷达体制提出了横向极化滤波的概念,利用它进行了雷达信号的极化检测研究,获得了良好的检测效果.给出了检测性能与横向极化滤波器组参数之间的函数关系,证明了雷达检测性能的极化域最优化问题实质上可以归结为一个SINR极化滤波问题.