公开(公告)号：CN110705132B

公开(公告)日：2023-04-28

申请号：CN201911053564.0

申请日：2019-10-31

Applicant: 哈尔滨工业大学

Inventor： 李伟 ,  杨明 ,  尚晓兵 ,  张欢 ,  马萍

IPC: G06F30/20 ,  G06F30/15 ,  G06F18/25 ,  G06F18/2415

Abstract: 本发明是一种基于多源异质数据的制导控制系统性能融合评估方法。本发明根据数据的来源和特性不同分别进行融合。根据性能评估指标数据的形式，建立多源异质数据融合框架。首先应该进行数据预处理，即剔除各类数据中的异常值。然后，根据性能评估数据的来源和质量，可以分为三类数据融合方法：采用大样本经典频率数据融合进行处理；采用小样本贝叶斯数据融合方法进行处理；专家数据同样属于小样本数据。另外，由于大样本数据和小样本数据的数据真实性程度的差异，考虑采用贝叶斯更新方法进行处理，最终得到多源异质数据融合结果。

公开(公告)号：CN105183993A

公开(公告)日：2015-12-23

申请号：CN201510570910.8

申请日：2015-09-09

Applicant: 哈尔滨工业大学

Inventor： 马萍 ,  晁涛 ,  周玉臣 ,  杨明 ,  李伟 ,  尚晓兵

IPC: G06F17/50

Abstract: 一种电磁轨道炮综合仿真平台及方法，本发明涉及电磁轨道炮综合仿真平台及方法。本发明的目的是为了解决现有技术不能对电磁轨道炮进行全弹道仿真、模型验证、仿真优化、仿真试验设计、射击精度分析与评估的问题。通过以下技术方案实现的：所述的电磁轨道炮综合仿真平台包括电磁轨道炮仿真子系统、模型验证子系统、仿真优化子系统、试验设计子系统、射击精度分析与评估子系统；所述电磁轨道炮仿真子系统包括：弹丸模块；轨道模块；脉冲功率电源模块；电枢模块；目标模块；参数配置模块；仿真过程管理模块；数据记录模块。本发明应用于计算机仿真技术领域。

公开(公告)号：CN110705132A

公开(公告)日：2020-01-17

申请号：CN201911053564.0

申请日：2019-10-31

Applicant: 哈尔滨工业大学

Inventor： 李伟 ,  杨明 ,  尚晓兵 ,  张欢 ,  马萍

IPC: G06F30/20 ,  G06F30/15 ,  G06K9/62

Abstract: 本发明是一种基于多源异质数据的制导控制系统性能融合评估方法。本发明根据数据的来源和特性不同分别进行融合。根据性能评估指标数据的形式，建立多源异质数据融合框架。首先应该进行数据预处理，即剔除各类数据中的异常值。然后，根据性能评估数据的来源和质量，可以分为三类数据融合方法：采用大样本经典频率数据融合进行处理；采用小样本贝叶斯数据融合方法进行处理；专家数据同样属于小样本数据。另外，由于大样本数据和小样本数据的数据真实性程度的差异，考虑采用贝叶斯更新方法进行处理，最终得到多源异质数据融合结果。

公开(公告)号：CN105183993B

公开(公告)日：2018-04-24

申请号：CN201510570910.8

申请日：2015-09-09

Applicant: 哈尔滨工业大学

Inventor： 马萍 ,  晁涛 ,  周玉臣 ,  杨明 ,  李伟 ,  尚晓兵

IPC: G06F17/50

Abstract: 一种电磁轨道炮综合仿真平台及方法，本发明涉及电磁轨道炮综合仿真平台及方法。本发明的目的是为了解决现有技术不能对电磁轨道炮进行全弹道仿真、模型验证、仿真优化、仿真试验设计、射击精度分析与评估的问题。通过以下技术方案实现的：所述的电磁轨道炮综合仿真平台包括电磁轨道炮仿真子系统、模型验证子系统、仿真优化子系统、试验设计子系统、射击精度分析与评估子系统；所述电磁轨道炮仿真子系统包括：弹丸模块；轨道模块；脉冲功率电源模块；电枢模块；目标模块；参数配置模块；仿真过程管理模块；数据记录模块。本发明应用于计算机仿真技术领域。

公开(公告)号：CN107038306A

公开(公告)日：2017-08-11

申请号：CN201710243369.9

申请日：2017-04-14

Applicant: 哈尔滨工业大学

Inventor： 马萍 ,  齐东兴 ,  杨明 ,  尚晓兵 ,  周玉臣

IPC: G06F17/50 ,  G06N3/12

CPC classification number: G06F17/504 ,  G06F2217/08 ,  G06N3/126

Abstract: 一种基于自适应遗传算法的最优拉丁超立方试验设计方法，本发明涉及拉丁超立方试验设计方法。本发明为了解决传统的优化算法寻优过程中产生的过早收敛、陷入局部最优解、优化成本高等缺点。本发明包括：一：由n个LHD(N，P)个体所构成的初始种群Npop表示为k×N的矩阵；二：计算种群Npop中n个体的适应度值，选取适应度值最大的个体作为当前最优LHD(N，P)；三：将n个适应度值从大到小排序，选择前n/2个个体作为父代，利用选择的n/2个父代生成n个子代并构成新的种群；四：将新的种群进行自适应变异，得到变异后的新的种群；五：迭代执行步骤二至步骤四，并判断是否满足迭代终止条件。本发明用于计算机仿真实验设计领域。