陆军智能化作战大样本推演技术研究

针对复杂作战背景下不确定性带来的作战推演技术难题,本文面向方案推演分析和战法战术优化分析等实际应用需求,以不确定性、深度学习、数据挖掘等相关理论为基础,重点从推演分支生成、作战指挥智能化决策、推演数据可视化分析等方面进行研究,为陆军基于智能对抗推演理论和技术进行联合作战概念分析、武器装备论证实验、作战方案推演分析和战法战术优化分析提供支撑。     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

弯曲载荷作用下复合材料T型接头的失效分析

运用蔡-吴逐步失效判据和黏聚接触模型建立弯曲加载下的T型接头的有限元模型。对复合材料T型接头在弯曲加载下的损伤机理和承载能力进行数值模拟。结合静态弯曲加载实验,揭示T型接头在弯曲破坏过程中的四种失效模式。T型接头的弯曲失效载荷的有限元模型计算结果与实测值吻合较好。     

改性C/C复合材料快速制备与抗烧蚀性能考核

采用液相浸渍法结合反应熔渗法快速制备改性C/C复合材料,研究其微观组织及在氧乙炔焰和高频等离子体风洞环境中的烧蚀行为。结果表明:改性C/C复合材料主要含有Hf C,Zr C,Ta C等高熔点陶瓷改性相,其密度为3.83 g/cm3,开孔率仅为4.71%。氧乙炔焰烧蚀360 s后,改性C/C复合材料表面形成一层主要由Hf O2,Zr O2,Ta2O5组成的致密氧化物层,材料的线烧蚀率为0.005 18 mm/s。使用高频等离子体风洞考核改性C/C复合材料球头模型,在热流量3.5 MW/m2、驻点温度2293℃的条件下考核180 s后,模型表面生成致密光滑的氧化物保护层,与基体结合牢固,模型形状及尺寸无明显改变,去掉氧化物后测得其线烧蚀率为0.001 72 mm/s。     

乱序超标量处理器核的性能分析与优化

随着处理器微体系结构日益复杂,性能分析在处理器研制过程中的作用越来越重要。常用的性能分析方法是建立性能模型,该方法主要用于研制初期的设计空间探索,如果用于微体系结构级的分析和优化,速度和精度都会成为限制因素。因此,提出一种基于计数器的性能分析方法,该方法以项目组已经完成的一款处理器核的硬件实现代码为基础,在处理器核外部添加一个专用性能监测单元,收集微体系结构分析和优化需要的各种事件,并通过结果分析器对统计的事件进行分析,得到微体系结构实现的性能受限因素。采用此方法,在现场可编程门阵列原型系统上对SPEC CPU2000测试程序运行时的性能受限因素进行分析,并根据分析结果采取相应的优化措施,优化后的处理器核性能得到了明显提升。     

集对分析和LS-SVM相结合的装备研制风险综合评价法

为有效降低或规避武器装备研制风险,确保装备研制项目的顺利推进,提出一种基于集对分析理论与最小二乘支持向量机方法的装备研制风险综合评价方法。根据武器装备研制特点,建立装备研制风险评价指标体系。在此基础上,引入集对分析理论中的联系度和集对概念构建训练样本和测试样本。利用样本对最小二乘支持向量机进行训练测试,得到装备研制风险的评价模型,并给出评价结果。案例分析表明,所提方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

基于ZMNL分布模型的雷达杂波仿真

现代战争中,无源干扰的影响是雷达信号检测和处理中不可避免的问题。因此,找到快速、准确的模拟雷达杂波的方法,对雷达最优信号处理器的设计及雷达系统模拟都将十分重要。介绍了一种用ZMNL(零记忆非线性变换法)法来实现雷达杂波的仿真。采用这种方法可以对地、海、气象杂波以及箔条干扰回波信号进行仿真,仿真信号还可用于无源干扰信号抑制方法的研究。     

基于信号处理的齿轮箱状态监测与故障诊断

针对工程上齿轮箱实时监测和故障诊断的需要,对JZQ 250型齿轮箱展开研究,提出了状态监测特征值和故障特征向量相结合的分级诊断方法。通过时域参数分析提取监测特征值作为一级诊断,利用能量比重谱的方法,提取故障特征向量作为神经网络的输入向量进行故障诊断为二级诊断。实验结果表明,该方法不仅满足工程上实时在线诊断的要求,而且能够准确进行齿轮箱故障定位。