火炮装备前或服役过程中需要进行身管指向测量以校正火控系统偏差。目前普遍使用双经纬仪进行身管指向测量，该方法的测量效率低，难以满足未来战场环境下火控系统的快速标校。提出了基于双目视觉的身管指向高精度、自动化测量方法，利用合作标志点分析身管转动，将身管转动分解为先后两次绕轴运动，结合铅垂线测量实现身管指向解算，利用LM（Levenberg-Marquardt）算法进行指向优化，得到身管指向最终结果。于实验室开展了半实物仿真，并在某火炮厂进行了实测验证。结果表明，火炮身管的高低角测量精度优于0.15°，其方向角测量精度优于0.12°，两姿态角的重复性偏差均优于0.0035°。所提方法具备高精度、高鲁棒性、全自动的优势，可实现未来战场环境下火炮身管指向的全自动测量。

针对当前飞机综合航电火控系统设计使用传统文档开发方法的不足, 借助基于模型的系统工程思想, 提出了基于Rhapsody的面向对象的图形化系统设计方法, 并给出了具体的设计思路与实施步骤。通过某飞机典型作战过程的实例应用, 详细研究了Rhapsody图形化系统设计方法中各种图例的应用场景和使用方法, 并将各设计阶段应用图例通过功能传递进行关联, 梳理出一套完整的复杂系统设计方法。该方法能够实现系统的迭代优化, 减少工作量, 缩短开发周期, 可为今后复杂系统的图形化设计提供参考。

区域射击方法可以充分利用具有末制导搜索能力**的性能特点, 有效搜捕并打击未准确定位目标。现有方法采用统计模拟法分析打击过程与毁伤效能, 主要针对散布服从正态分布的目标, 而对于误差情况更为恶劣的概略目标缺少深入研究。区域射击方法包含**数量计算以及瞄准点配置两个核心问题。对于服从均匀分布的概略目标, 通过建立并分析毁伤概率模型, 求解最优射弹散布密度函数, 构建预估校正方法, 计算使给定瞄准点配置对应毁伤概率达到预定要求的**数量; 以毁伤概率上界为目标, 提出瞄准点配置的优化求解方法。参考国外主流装备技术参数, 通过仿真计算, 验证了方法的有效性与时效性, 并与现有方法进行了对比, 结果表明所提方法优化程度更高, 并且能够使区域射击方案达到预定毁伤概率的要求。

战斗机划代方法目前常见的主要有四代法和新五代法两种。本文提出以实证的方式从战斗机的代和战斗机火控系统的代之间关系的角度来研究战斗机及其火控系统的关系。研究认为：并非每种战斗机划代方法都能全面地反映航空火控系统的发展历程；从历史上看，一代战斗机基本都装备着同一代火控，同时也存在一代战斗机的不同改型装备过两代火控，以及一代火控可能装备在两代战斗机的现象；从总体上看，火控系统的代际更新速度已逐步赶上并与战斗机发展同步。

回顾了经典机载火控系统的组成、结构和功能，结合未来作战特点，针对新一代战斗机平台论述了当今发展机载火控系统所采用的关键技术以及火控系统的未来发展方向。

回归型最小二乘支持向量机具有在较少学习样本下建立模型的能力和较强的泛化能力。提出了一种基于最小二乘回归支持向量机的机载火控系统作战效能评估模型。首先分析了影响飞机火控系统作战效能的主要因素,建立了飞机火控系统作战效能评估的指标体系,然后利用支持向量机建立与这些指标之间的非线性映射模型来对飞机火控系统的作战效能进行预测。仿真实例验证了该方法的适用性和结果的可靠性。

火控系统是一种大型的电子装备,由于其功能繁琐、结构复杂,维修测试时十分不便。常规的顺序测试法和目的测试法都容易造成重复测试或冗余测试,不仅加大了测试工作量,更会对正常的测试序列造成干扰。有必要采用一种科学的测试优化方法,设计最准确、最合理的测试序列,以降低装备的维修难度,提高维修的效率与效益。以某高炮火控系统为例,介绍了列表寻优法的工作过程,阐述了信息流模型的原理与构建。在此基础上探讨了借助信息流模型,利用列表寻优法优化测试序列。并结合具体的装备结构,给出了其每一结构层次的测试序列优化结果。基于此思路,对构建大型电子装备的故障诊断隔离体系进行了初步探索。

为准确保存某型飞机火控系统的工作状态，用于地面监控维护和辅助飞行训练，研制一种采用SOPC技术的机载数据记录仪。根据飞机该系统数据传输特点及设备可靠性要求，系统采用NAND 型Flash作为存储介质，以Xilinx提供的MicroBlaze软核为控制核心，结合其提供的IP核和自定义IP，设计了FPGA与Flash和USB 芯片CH375的接口，使用了Flash坏块管理和节电模式，有效提高了设备使用寿命。试验表明，该系统设计灵活性大，数据向主机传输速度接近1MB/s，满足了实际需求，为监控飞机火控系统提供了可靠模式。

针对某型战机航空火控系统故障诊断方法对维修人员、检测设备依赖性大、故障诊断时间长等弊端,选用了对非线性对象有较好的控制及扰动消除效果的Elman神经网络方法,并将其应用于火控系统的故障诊断,为了提高网络性能,对Elman网络进行了相应的改进,在结构单元增加了自反馈增益因子α,并建立了基于Elman神经网络的火控系统故障诊断模型,通过一定的故障样本进行了训练和测试,结果证明该方法能有效地识别出故障原因,故障诊断准确率较高,有较强的鲁棒性。