某型高炮自动机系统是单调关联系统，机械结构复杂，FrA（Fault Tree Analysis，故障树分析）的最小割集数量众多，为了有针对性地研究重要底事件，提高故障树分析的效率，采用DFLM（Depth First Left Most，深度优化最左）遍历的方式搜索故障树，按照任务和功能关系，建立包含各功能单元的故障树模型，求得系统的最小割集，运用结构重要度分析方法确定了子模块的重要度次序，为装备适情维护提供了参考。
为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。
为了进一步提高雷达的探测性能,设计了线性调频–二相码(LFM-M)混合调制脉冲压缩信号。采用分类比较的方法,研究了反向传播网络、Elman网络和径向基函数(RBF)网络等3种典型神经网络在其脉冲压缩中的应用,设计了网络的结构,分析了网络的算法。通过仿真和对脉冲压缩输出性能的研究得出,采用RBF神经网络对LFM-M码信号进行脉冲压缩,网络具有较快的收敛速度和较好的数值稳定性,可获得60 d B左右的输出主旁瓣比。
