CN111308912A - 一种反辐射无人机制导半实物仿真***可信度评估方法 - Google Patents
一种反辐射无人机制导半实物仿真***可信度评估方法 Download PDFInfo
- Publication number
- CN111308912A CN111308912A CN202010178969.3A CN202010178969A CN111308912A CN 111308912 A CN111308912 A CN 111308912A CN 202010178969 A CN202010178969 A CN 202010178969A CN 111308912 A CN111308912 A CN 111308912A
- Authority
- CN
- China
- Prior art keywords
- error
- aerial vehicle
- unmanned aerial
- simulation
- semi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种反辐射无人机制导半实物仿真***可信度评估方法,全面分析了反辐射无人机制导半实物仿真***的组成和误差,把复杂***逐步细化为可以量化的误差因子,降低了可信度评估的复杂程度,使反辐射无人机制导半实物仿真***可信度评估的结果具有说服力。
Description
技术领域
本发明属于仿真***可信度评估技术领域,尤其涉及反辐射无人机制导半实物仿真***可信度评估方法。
背景技术
反辐射无人机***复杂,造价昂贵,不具备回收能力,因此需要有极高的命中率。半实物仿真***具有可重复、经济性好、灵活可控和实验数据采集方便等特点,是研制新型反辐射无人机的重要试验手段,其重要依据是半实物仿真***是真实可信的。现有的制导半实物仿真***采用相似性分析等手段评估,难以准确评判半实物仿真***的可信度,对于如何提高半实物仿真***的可信度难以给出最直接有效的方法,特别是针对反辐射无人机制导半实物仿真***的可信度评估,还没有一种工程上可以实现的有效方法。
发明内容
要解决的技术问题
本发明为了解决现有方法难以用定量方式评估反辐射无人机制导半实物仿真***可信度的问题,提出了一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法。
技术方案
一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,其特征在于步骤如下:
步骤1:结合反辐射无人机制导半实物仿真试验目的,建立反辐射无人机制导半实物仿真***可信度评估体系,记为S;
步骤2:将反辐射无人机制导半实物仿真***的误差分为***组成误差S11、传感器测量噪声与干扰误差S12、仿真结果误差S13三类;
步骤3:对反辐射无人机制导半实物仿真***误差进行逐层分解,直到分解为相互独立的若干个误差因子Sij,Sij表示可信度评估体系中分解的第i层第j个误差因子的可信度评估结果;
步骤4:对误差因子Sij进行可信度评估量化;关于***组成误差S11分解的误差因子采用知识库辅助量化方法;关于传感器测量噪声与干扰误差S12分解的误差因子采用相似度分析方法,关于仿真结果误差S13分解的误差因子采用置信区间估计方法;
步骤5:对每层误差因子相对于上一层误差的重要性进行两两比较,获取误差因子的权重判断数据,对判断矩阵进行赋值,构造误差因子的权重判断矩阵;所述的判断矩阵如下式所示:
式中,An表示该层误差因子判断矩阵,aij表示误差因子i相对误差因子j对上一层误差的重要性标度;
步骤6:对误差因子的判断矩阵进行一致性检验,以检验对反辐射无人机制导半实物仿真***可信度评估的判断是否一致。如果满足一致性检验条件后则进行下一步,否则需要返回上一步,对误差因子的判断矩阵进行重新赋值。
步骤7:采用幂法计算判断矩阵的最大特征根和对应的特征向量,归一化后作为同层次误差因子对上层误差的相对重要性排序权值,得到每一项误差因子Sij的指标权重Wij;
步骤8:计算反辐射无人机制导半实物仿真***的可信度:
所述的步骤3对***误差进行第2层分解,具体如下:
把***组成误差S11分为:与真实***组成一致的实物***误差S21、由实物组成但与真实***组成不一致的物理效应模拟***误差S22、与真实***组成不一致的仿真***误差S23;把传感器测量噪声与干扰S12分为:传感器测量噪声S24、随机干扰S25、常值拉偏S26;把仿真结果误差S13分为:静态仿真结果误差S27、动态仿真结果误差S28;
实物***S21包含被动导引头S31、捷联惯导装置S32、机载计算机S33、伺服舵机S34;物理效应模拟***S22包含双转台S35、微波暗室S36、射频目标模拟器S37;仿真模型S23包含无人机六自由度非线性动力学运动学模型S38、气动模型S39、发动机与螺旋桨模型S3,10、无人机与目标相对运动模型S3,11、动静压传感器模型S3,12;
传感器测量噪声S24分为动静压传感器测量噪声S3,13、导引头测量噪声S3,14;随机干扰S25分为常值风干扰S3,15;常值拉偏S26分为舵效拉偏S3,16、转动惯量拉偏S3,17;
静态仿真结果S27包含脱靶量S3,18和命中角S3,19;动态仿真结果S28包含姿态角S3,20、姿态角速度S3,21、速度S3,22、舵机角度S3,23和制导参数S3,14。
所述的步骤4具体如下:
进一步地,对***组成误差S11分解的误差因子采用知识库辅助量化方法:真实***的可信度评估分值≥0.9,物理效应模拟***的可信度评估分值介于0.7~0.9,仿真***的可信度评估分值介于0.6~0.95;
进一步地,传感器测量噪声与干扰误差S12分解的误差因子采用相似度分析方法:真实打靶或飞行试验中采集到的噪声或者干扰信号,其平均频率记为ω,其平均幅值记为λ,将其注入到半实物仿真模型中,测量半实物仿真输出的信号,其平均频率记为ω′,其平均幅值记为λ′;计算则误差因子可信度评估分值为pλ·pω;
进一步地,仿真结果误差S13采用置信区间估计方法:重复进行n次反辐射无人机制导半实物仿真试验,得到误差因子中仿真结果的样本:X′=(x′1,x′2,…x′n),记X′∈N′(μ′,σ′2),对样本进行统计处理,其中构造仿真结果的置信区间,在给定的置信概率1-ɑ下,对μ′和σ′2进行置信区间估计:
一般取置信度为95%,计以真实试验数据为样本,得到真实结果的样本:X=(x1,x2,…xm),记X∈N(μ,σ2),对样本进行统计处理,其中对μ和σ2进行置信区间估计:一般取置信度为95%;计计算仿真结果的可信度评估分值为pμ·pσ。
所述的步骤5误差因子的权重依据反辐射无人机制导半实物仿真***的试验目的:如果仿真过程中不涉及某项误差因子的改变,则其权重取值为1;将仿真过程涉及到改变的误差因子的相对重要程度分为9级;如果该误差因子是试验原因或试验结果,则其重要程度为9级;如果某误差因子在仿真过程中改变,则其相对重要级别为5级;同为改变的误差因子,如果相对重要则其相对重要级别为7级,如果相对次要则其相对重要级别为3级。重要性标度aij为两两误差因子权重取值的比。
所述的步骤6中当满足以下公式,则满足一致性检验条件,否则需要对判断矩阵重新赋值:
式中:λmax为判断矩阵最大特征根,n为判断矩阵阶数,RI为随机一致性指标;
进一步地,对于n阶的判断矩阵An,如果不满足一致性检验条件,则采用降阶法去掉误差因子i=(1,2,…n),对判断矩阵An-1进行一致性检验,直到找到导致一致性检验不满足的误差因子i,对误差因子i的相对重要级别下降1级,构造新的判断矩阵A′n。
有益效果
本发明提出的基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,其已经或者预期取得的有益效果包括:
(1)全面分析了反辐射无人机制导半实物仿真***的组成和误差,把复杂***逐步细化为可以量化的误差因子,降低了可信度评估的复杂程度,使反辐射无人机制导半实物仿真***可信度评估的结果具有说服力。
(2)基于***误差的可信度评估方法,对反辐射无人机制导半实物仿真***中较大误差源具有明显的辨识功能,对于如何消除误差和提高试验可信度具有积极的作用。
(3)在工程研制阶段,武器装备的技术状态可能会随时变更,应用本方法能避免可信度重新评估过程中的复杂性和重复性,仅对相关的误差因子进行修正,可快速得到可信度评估数据,并能对修正的误差因子进行可信度对比,提高可信度评估的工作效率。
附图说明
图1为本发明提出的一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法流程框图。
图2为本发明实施例建立的反辐射无人机制导半实物仿真***组成示意图。
图3为本发明实施例建立的反辐射无人机制导半实物仿真***可信度评估体系。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
实施例:本实施例提出针对某型反辐射无人机,进行基于***误差的半实物仿真***可信度评估,所述方法包括:
步骤一:结合反辐射无人机制导半实物仿真试验目的,建立反辐射无人机制导半实物仿真***可信度评估体系,记为S。
步骤二:将反辐射无人机制导半实物仿真***的误差分为***组成误差、传感器测量噪声与干扰、仿真结果误差三类,所述***组成误差记为S11,所述传感器测量噪声与干扰误差记为S12,所述仿真结果误差记为S13。
步骤三:对反辐射无人机制导半实物仿真***误差进行逐层分解,直到分解为相互独立的若干个误差因子Sij,Sij表示可信度评估体系中分解的第i层第j个误差因子的可信度评估结果。
进一步地,在本发明的步骤三中,反辐射无人机制导半实物仿真***的组成如图2所示,无人机飞行数学模型采用六自由度非线性动力学运动学模型,通过射频目标模拟***模拟静止的目标,目标模拟***和导引头均置于微波暗室,三轴转台模拟无人机姿态运动,其中一台安装导引头,另一台安装捷联惯导装置,这两台三轴转台同步跟踪运动。仿真计算机实时解算无人机运动学动力学模型,输出无人机和目标的各类参数数据,实时控制三轴转台和目标模拟***工作,并对整个半实物仿真***进行管理与调度。
具体地,对***误差进行第2层分解。把***组成误差S11分为:与真实***组成一致的实物***误差S21、由实物组成但与真实***组成不一致的物理效应模拟***误差S22、与真实***组成不一致的仿真***误差S23;把传感器测量噪声与干扰S12分为:传感器测量噪声S24、随机干扰S25、常值拉偏S26;把仿真结果误差S13分为:静态仿真结果误差S27、动态仿真结果误差S28。
实物***S21包含被动导引头S31、捷联惯导装置S32、机载计算机S33、伺服舵机S34;物理效应模拟***S22包含双转台S35、微波暗室S36、射频目标模拟器S37;仿真模型S23包含无人机六自由度非线性动力学运动学模型S38、气动模型S39、发动机与螺旋桨模型S3,10、无人机与目标相对运动模型S3,11、动静压传感器模型S3,12。
传感器测量噪声S24主要为动静压传感器测量噪声S3,13、导引头测量噪声S3,14;随机干扰S25主要为常值风干扰S3,15;常值拉偏S26包括:舵效拉偏S3,16、转动惯量拉偏S3,17。
静态仿真结果S27主要是最终仿真结果,包含脱靶量S3,18和命中角S3,19;动态仿真结果S28是仿真过程数据,主要包含姿态角S3,20、姿态角速度S3,21、速度S3,22、舵机角度S3,23和制导参数S3,14。
步骤四:对步骤三中可信度评估体系S分解的最底层误差因子Sij进行可信度评估量化打分。关于***组成误差S11分解的误差因子采用知识库辅助量化方法;关于传感器测量噪声与干扰误差采用相似度分析方法,关于仿真结果采用置信区间估计方法。
进一步地,在本发明的步骤四中,对***组成误差S11分解的误差因子采用知识库辅助量化方法,真实***的可信度评估分值≥0.9,物理效应模拟***的可信度评估分值介于0.7~0.9,仿真***的可信度评估分值介于0.6~0.95。
具体地,在本发明的步骤四中,由于***组成复杂,分别以真实***S21中的捷联惯导装置S32、物理效应模拟***S22中的射频目标模拟器S37、仿真模型S23中的气动模型S39为例进行知识库辅助量化方法。
捷联惯导装置S32可设计以下的可信度评估原则:
(1)如果采用经实际打靶试验验证过的同型捷联惯导装置,且该捷联惯导装置进行了实际飞行试验,则捷联惯导装置S32可信度评估分值为0.99;
(2)如果采用经实际打靶试验验证过的同型捷联惯导装置,但该捷联惯导装置未进行实际飞行试验,则捷联惯导装置S32可信度评估分值为0.98;
(3)如果采用未经实际打靶试验但进行了实际飞行试验的捷联惯导装置,则捷联惯导装置S32可信度评估分值为0.95;
(4)如果采用未经实际打靶试验也未经实际飞行试验的捷联惯导装置,则捷联惯导装置S32可信度评估分值为0.90;
射频目标模拟器S37可设计以下的可信度评估原则:
(1)如果采用经实际打靶试验验证过的射频目标模拟器,则射频目标模拟器S37可信度评估分值为0.9;
(2)如果采用经实际飞行试验验证过的射频目标模拟器,则射频目标模拟器S37可信度评估分值为0.8;
(3)如果采用基于原有型号局部修改后的射频目标模拟器,则射频目标模拟器S37可信度评估分值为0.7。
气动模型S39可设计以下的可信度评估原则:
(1)如果采用经实际打靶试验验证过的气动模型,则气动模型S39可信度评估分值为0.95;
(2)如果采用经实际飞行试验验证过的气动模型,则气动模型S39可信度评估分值为0.9;
(3)如果采用经风洞试验验证过的气动模型,则气动模型S39可信度评估分值为0.8;
(4)如果采用基于原有型号局部修改后的气动模型,则气动模型S39可信度评估分值为0.7;
(5)如果采用基于理论推导的气动模型,则气动模型S39可信度评估分值为0.6。
具体地,在本发明的步骤四中,由于传感器测量与干扰S12比较复杂,以传感器测量噪声S24中的导引头测量噪声S3,14为例进行相似度可信度评估。
导引头在真实打靶或飞行试验中可以采集到真实的导引头测量信号,其平均频率记为ω,其平均幅值记为λ,把真实的导引头测量信号加注到半实物仿真模型中,测量导引头半实物仿真输出的信号,其平均频率记为ω',其平均幅值记为λ'。计算导引头测量噪声S3,14可信度评估分值为pλ·pω。
具体地,在本发明的步骤四中,仿真结果S13可通过蒙特卡洛试验进行定量的误差统计分析,以静态仿真结果S27中的脱靶量S3,18为例,采用置信区间的可信度评估。
在脱靶量的可信度评估中,重复进行n次反辐射无人机制导半实物仿真打靶试验,得到脱靶量仿真结果的样本:X′=(x′1,x′2,…x′n),记X′∈N′(μ′,σ′2),对样本进行统计处理,其中构造脱靶量的置信区间,在给定的置信概率1-ɑ下,对μ′和σ′2进行置信区间估计: 一般取置信度为95%,计
步骤五:对每层误差因子相对于上一层误差的重要性进行两两比较,获取误差因子的权重判断数据,对判断矩阵进行赋值,构造误差因子的权重判断矩阵。判断矩阵如下式所示:
式中,An表示该层误差因子判断矩阵,aij表示误差因子i相对误差因子j对上一层误差的重要性标度。
表1指数标度法取值
进一步地,误差因子的权重依据反辐射无人机制导半实物仿真***的试验目的。如果仿真过程中不涉及某项误差因子的改变,则其权重取值为1。将仿真过程涉及到改变的误差因子的相对重要级别分为9级,如表1按照指数标度法取值,如果该误差因子是试验原因或试验结果,则其重要程度为9级,其权重取值为9;如果某误差因子在仿真过程中改变,则其相对重要级别为5级,其权重取值为3.387;同为改变的误差因子,如果相对重要则其相对重要级别为7级,其权重取值为5.515,如果相对次要则其相对重要级别为3级,其权重取值为2.080。重要性标度aij为两两误差因子权重取值的比。
具体地,以反辐射无人机制导半实物仿真***验证真实导引头测量噪声对脱靶量影响的试验为例,则试验原因为引入真实导引头测量噪声,其相对重要级别为9级,权重取值为9;试验结果为脱靶量,其相对重要级别为9级,权重取值为9;仿真中改变的误差因子为制导参数,其相对重要级别为5级,权重取值为3.387;其他未涉及的误差因子,其相对重要级别均为0级,权重取值为1。
步骤六:对误差因子的判断矩阵进行一致性检验,以检验对反辐射无人机制导半实物仿真***可信度评估的判断是否一致。如果满足一致性检验条件后则进行下一步,否则需要返回上一步,对误差因子的判断矩阵进行重新赋值。
进一步地,在步骤六中,当满足以下公式,则满足一致性检验条件,否则需要对判断矩阵重新赋值。
式中:λmax为判断矩阵最大特征根,n为判断矩阵阶数,RI为随机一致性指标,取值如下表所示。
表2随机一致性指标
阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.51 |
进一步地,对于n阶的判断矩阵An,如果不满足一致性检验条件,则采用降阶方式去掉误差因子i=(1,2,…n),对判断矩阵An-1进行一致性检验,直到找到导致一致性检验不满足的误差因子i,对误差因子i的重要程度下降1级,构造新的判断矩阵An′。
步骤七:采用幂法计算判断矩阵的最大特征根和对应的特征向量,归一化后作为同层次误差因子对上层误差的相对重要性排序权值,得到每一项误差因子Sij的指标权重Wij。
步骤八:计算反辐射无人机制导半实物仿真***的可信度:
综上所述:该基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,对复杂的半实物仿真***的可信度评估进行了逐层分解,用清晰的可信度评估思路和合理的评估步骤,解决了复杂的反辐射无人机制导半实物仿真***不能准确进行可信度量化评估和可信度评估对比的问题。
本发明提出的一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,可以应用到多种领域的复杂半实物仿真***中,特别是制导半实物仿真***。针对处于工程研制阶段的装备,技术状态可能会随时发生变化,采用该方法可以避免重复性的工作,能快速得到需要重新评估的可信度评估结果,提高了可信度评估的工作效率。
虽然本发明已以较佳的实施例公开如上,但其并非用以限定本发明,任何熟悉此技术的人,在不脱离本发明的精神和范围内,都可以做各种改动和修饰,因此本发明的保护范围应该以权利要求书所界定的为准。
Claims (5)
1.一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,其特征在于步骤如下:
步骤1:结合反辐射无人机制导半实物仿真试验目的,建立反辐射无人机制导半实物仿真***可信度评估体系,记为S;
步骤2:将反辐射无人机制导半实物仿真***的误差分为***组成误差S11、传感器测量噪声与干扰误差S12、仿真结果误差S13三类;
步骤3:对反辐射无人机制导半实物仿真***误差进行逐层分解,直到分解为相互独立的若干个误差因子Sij,Sij表示可信度评估体系中分解的第i层第j个误差因子的可信度评估结果;
步骤4:对误差因子Sij进行可信度评估量化;关于***组成误差S11分解的误差因子采用知识库辅助量化方法;关于传感器测量噪声与干扰误差S12分解的误差因子采用相似度分析方法,关于仿真结果误差S13分解的误差因子采用置信区间估计方法;
步骤5:对每层误差因子相对于上一层误差的重要性进行两两比较,获取误差因子的权重判断数据,对判断矩阵进行赋值,构造误差因子的权重判断矩阵;所述的判断矩阵如下式所示:
式中,An表示该层误差因子判断矩阵,aij表示误差因子i相对误差因子j对上一层误差的重要性标度;
步骤6:对误差因子的判断矩阵进行一致性检验,以检验对反辐射无人机制导半实物仿真***可信度评估的判断是否一致。如果满足一致性检验条件后则进行下一步,否则需要返回上一步,对误差因子的判断矩阵进行重新赋值。
步骤7:采用幂法计算判断矩阵的最大特征根和对应的特征向量,归一化后作为同层次误差因子对上层误差的相对重要性排序权值,得到每一项误差因子Sij的指标权重Wij;
步骤8:计算反辐射无人机制导半实物仿真***的可信度:
2.根据权利要求1所述的一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,其特征在于所述的步骤3对***误差进行第2层分解,具体如下:
把***组成误差S11分为:与真实***组成一致的实物***误差S21、由实物组成但与真实***组成不一致的物理效应模拟***误差S22、与真实***组成不一致的仿真***误差S23;把传感器测量噪声与干扰S12分为:传感器测量噪声S24、随机干扰S25、常值拉偏S26;把仿真结果误差S13分为:静态仿真结果误差S27、动态仿真结果误差S28;
实物***S21包含被动导引头S31、捷联惯导装置S32、机载计算机S33、伺服舵机S34;物理效应模拟***S22包含双转台S35、微波暗室S36、射频目标模拟器S37;仿真模型S23包含无人机六自由度非线性动力学运动学模型S38、气动模型S39、发动机与螺旋桨模型S3,10、无人机与目标相对运动模型S3,11、动静压传感器模型S3,12;
传感器测量噪声S24分为动静压传感器测量噪声S3,13、导引头测量噪声S3,14;随机干扰S25分为常值风干扰S3,15;常值拉偏S26分为舵效拉偏S3,16、转动惯量拉偏S3,17;
静态仿真结果S27包含脱靶量S3,18和命中角S3,19;动态仿真结果S28包含姿态角S3,20、姿态角速度S3,21、速度S3,22、舵机角度S3,23和制导参数S3,14。
3.根据权利要求1所述的一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,其特征在于所述的步骤4具体如下:
进一步地,对***组成误差S11分解的误差因子采用知识库辅助量化方法:真实***的可信度评估分值≥0.9,物理效应模拟***的可信度评估分值介于0.7~0.9,仿真***的可信度评估分值介于0.6~0.95;
进一步地,传感器测量噪声与干扰误差S12分解的误差因子采用相似度分析方法:真实打靶或飞行试验中采集到的噪声或者干扰信号,其平均频率记为ω,其平均幅值记为λ,将其注入到半实物仿真模型中,测量半实物仿真输出的信号,其平均频率记为ω′,其平均幅值记为λ′;计算则误差因子可信度评估分值为pλ·pω;
进一步地,仿真结果误差S13采用置信区间估计方法:重复进行n次反辐射无人机制导半实物仿真试验,得到误差因子中仿真结果的样本:X′=(x′1,,x′2,…x′n),记X′∈N′(μ′,σ′2),对样本进行统计处理,其中构造仿真结果的置信区间,在给定的置信概率1-ɑ下,对μ′和σ′2进行置信区间估计:
4.根据权利要求1所述的一种基于***误差的反辐射无人机制导半实物仿真***可信度评估方法,其特征在于所述的步骤5误差因子的权重依据反辐射无人机制导半实物仿真***的试验目的:如果仿真过程中不涉及某项误差因子的改变,则其权重取值为1;将仿真过程涉及到改变的误差因子的相对重要程度分为9级;如果该误差因子是试验原因或试验结果,则其重要程度为9级;如果某误差因子在仿真过程中改变,则其相对重要级别为5级;同为改变的误差因子,如果相对重要则其相对重要级别为7级,如果相对次要则其相对重要级别为3级。重要性标度aij为两两误差因子权重取值的比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010178969.3A CN111308912B (zh) | 2020-03-15 | 2020-03-15 | 一种反辐射无人机制导半实物仿真***可信度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010178969.3A CN111308912B (zh) | 2020-03-15 | 2020-03-15 | 一种反辐射无人机制导半实物仿真***可信度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111308912A true CN111308912A (zh) | 2020-06-19 |
CN111308912B CN111308912B (zh) | 2023-06-27 |
Family
ID=71155537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010178969.3A Active CN111308912B (zh) | 2020-03-15 | 2020-03-15 | 一种反辐射无人机制导半实物仿真***可信度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308912B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879348A (zh) * | 2020-07-10 | 2020-11-03 | 哈尔滨工业大学 | 一种惯性仪表性能地面测试***效能分析方法 |
CN112067235A (zh) * | 2020-09-14 | 2020-12-11 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种降低高功率微波辐照风洞试验喇叭天线s11参数的装置 |
CN112528418A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估*** |
CN114326806A (zh) * | 2021-12-29 | 2022-04-12 | 北京航空航天大学 | 一种考虑任务体系下的无人机集群维修方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336442A (zh) * | 2013-07-04 | 2013-10-02 | 南昌航空大学 | 一种基于agent建模技术的飞机电力***半实物仿真方法 |
US20140079297A1 (en) * | 2012-09-17 | 2014-03-20 | Saied Tadayon | Application of Z-Webs and Z-factors to Analytics, Search Engine, Learning, Recognition, Natural Language, and Other Utilities |
CN106960065A (zh) * | 2016-01-11 | 2017-07-18 | 北京仿真中心 | 一种复杂仿真***可信度的鲁棒评估方法及*** |
WO2018060967A1 (en) * | 2016-09-29 | 2018-04-05 | Inesc Tec - Instituto De Engenharia De Sistemas E Computadores, Tecnologia E Ciência | Big data self-learning methodology for the accurate quantification and classification of spectral information under complex varlability and multi-scale interference |
CN108027412A (zh) * | 2015-07-07 | 2018-05-11 | Q生物公司 | 场不变定量磁共振特征标志 |
CN109241617A (zh) * | 2018-09-03 | 2019-01-18 | 哈尔滨工业大学 | 一种基于***分类的制导控制半实物仿真***可信度评估方法 |
-
2020
- 2020-03-15 CN CN202010178969.3A patent/CN111308912B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140079297A1 (en) * | 2012-09-17 | 2014-03-20 | Saied Tadayon | Application of Z-Webs and Z-factors to Analytics, Search Engine, Learning, Recognition, Natural Language, and Other Utilities |
CN103336442A (zh) * | 2013-07-04 | 2013-10-02 | 南昌航空大学 | 一种基于agent建模技术的飞机电力***半实物仿真方法 |
CN108027412A (zh) * | 2015-07-07 | 2018-05-11 | Q生物公司 | 场不变定量磁共振特征标志 |
CN106960065A (zh) * | 2016-01-11 | 2017-07-18 | 北京仿真中心 | 一种复杂仿真***可信度的鲁棒评估方法及*** |
WO2018060967A1 (en) * | 2016-09-29 | 2018-04-05 | Inesc Tec - Instituto De Engenharia De Sistemas E Computadores, Tecnologia E Ciência | Big data self-learning methodology for the accurate quantification and classification of spectral information under complex varlability and multi-scale interference |
CN109241617A (zh) * | 2018-09-03 | 2019-01-18 | 哈尔滨工业大学 | 一种基于***分类的制导控制半实物仿真***可信度评估方法 |
Non-Patent Citations (4)
Title |
---|
周晓滨;方洋旺;伍友利;: "反辐射导弹制导计算机半实物仿真***仿真", 计算机工程与应用 * |
豆建斌 等: "制导武器半实物仿真试验可信度评估研究", 《***仿真学报》 * |
赵亚锋 等: "反辐射导弹制导能力研究与仿真", 《电光与控制》 * |
赵超 等: "射频制导仿真***精度与可信度研究初探", 《航天电子对抗》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879348A (zh) * | 2020-07-10 | 2020-11-03 | 哈尔滨工业大学 | 一种惯性仪表性能地面测试***效能分析方法 |
CN112067235A (zh) * | 2020-09-14 | 2020-12-11 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种降低高功率微波辐照风洞试验喇叭天线s11参数的装置 |
CN112528418A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估*** |
CN112528418B (zh) * | 2020-12-18 | 2024-06-11 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估*** |
CN114326806A (zh) * | 2021-12-29 | 2022-04-12 | 北京航空航天大学 | 一种考虑任务体系下的无人机集群维修方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111308912B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111308912B (zh) | 一种反辐射无人机制导半实物仿真***可信度评估方法 | |
CN107766668B (zh) | 一种基于神经网络的复杂仿真模型验证方法 | |
CN105954720B (zh) | 存在无源探测观测站位置误差的辐射源时差定位方法 | |
CN111695193B (zh) | 一种全局相关三维气动力数学模型的建模方法及*** | |
CN112861257B (zh) | 一种基于神经网络的飞机火控***精度敏感性分析方法 | |
CN110826168B (zh) | 一种飞行器气动辨识修正方法及介质 | |
CN112070357A (zh) | 一种基于改进bp神经网络的雷达辐射源威胁评估方法 | |
CN111695192A (zh) | 气动力多源数据融合和辨识方法、***及介质 | |
CN115496006A (zh) | 一种适用于高超声速飞行器的高精度数值模拟方法 | |
CN114154355A (zh) | 卫星跟踪指向控制地面仿真***效能评估方法 | |
Mistree et al. | Simulation reduction using the Taguchi method | |
Hu et al. | Error prediction of balancing machine calibration based on machine learning method | |
Cao et al. | Flight Trajectory Simulation and Aerodynamic Parameter Identification of Large‐Scale Parachute | |
CN114580239B (zh) | 一种考虑不确定性的桥梁损伤识别方法 | |
CN112946070B (zh) | 基于传递路径误差补偿来识别冲击源位置的方法及*** | |
CN116678434A (zh) | 一种基于区间值置信规则库的三自激光惯组故障检测方法 | |
Wang et al. | Fuzzy norm method for evaluating random vibration of airborne platform from limited PSD data | |
CN115222023A (zh) | 基于神经网络的非合作目标控制策略识别方法及*** | |
CN115436874A (zh) | 三维无源定位方法 | |
Zhu et al. | Experimental investigation and performance analysis of inertia properties measurement for heavy truck cab | |
CN114035536A (zh) | 一种基于蒙特卡洛法的飞行控制***鲁棒性评估方法 | |
CN109583007B (zh) | 一种火星进入飞行状态不确定性量化方法 | |
CN113532352B (zh) | 一种六自由度位移平台位置检测方法 | |
CN117932199B (zh) | 一种时域声源定位方法 | |
CN113359825A (zh) | 一种基于飞行模拟器的飞行员模型构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |