装备预测与健康管理体系结构及关键技术

结合预测与健康管理技术（PHM）在降低装备保障维修费用方面的明显优势,介绍了预测与健康管理技术的内涵及特点,分析了PHM系统的开放式流程,并将该开放式流程应用于装备的故障诊断和预测中,提出一种基于PHM的预测与健康管理体系框架。在此基础上,对诊断与预测技术以及传感器配置算法等关键技术进行了详细阐述,介绍了采用的诊断和预测模型及算法。     

基于深度神经网络的OFDM系统IQ不平衡补偿技术

正交频分复用(OFDM)是现代移动通信中一项重要的物理层通信技术，并且OFDM系统要求子载波间严格正交。然而在实际系统中，振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase，IQ)不平衡，从而破坏子载波的正交性，严重影响OFDM系统的性能。本文研究了IQ不平衡对OFDM系统的影响，提出了基于并联深度神经网络的IQ不平衡补偿技术。该算法利用了深度神经网络不依赖于模型的特点，直接从接收到的频域信号恢复原输入信号的二进制序列，并利用IQ不平衡的干扰信号来自镜像子载波的先验知识来初始化神经网络，加快其网络优化的收敛速度。仿真结果表明，该算法能有效地补偿IQ不平衡失真，并且在幅度和相位失真的补偿上，其性能都优于传统的导频的最小二乘（LS）估计补偿IQ不平衡的算法，证明了深度学习方法解决物理层问题的优越性。     

红外成像自动目标识别技术研究--计算模型与数据流程

红外自动目标识别是当前智能化图像处理及应用开发的前沿关键技术,其研究进展与计算机视觉的发展水平紧密相关。人类视觉系统是计算机视觉的原始模型,其视觉感知机理的研究将有助于揭示视觉表象的本质,进而为准确描述图像特征信息提供科学而可靠的依据。主要从视觉感知模型、感知功能模块响应特性、视觉对比灵敏度等方面对视觉感知基本原理加以综合分析,并力图利用这些功能卓越的信息处理机制阐明一种具有普适性的视觉计算模型———目标-背景表征模型。在此基础上,将背景区域感知与目标特征分析相结合,提出了自适应信号检测、目标特征识别和运动轨迹跟踪的层次化数据处理流程,从而为红外自动目标识别技术提供一条新的探索途径。     

WindowsNT系列平台的基于UDP协议的信息流仿真

很多系统在以太网通讯中使用UDP报文进行网络数据的传输,为了完成对这些系统的仿真驱动,通常需要在一台PC机用单网卡或多网卡实现基于UDP协议的信息流仿真。在缺少目标系统的某些节点时,该PC机模拟相关节点的UDP报文的发送、接收,驱动目标系统的运行;当目标系统全系统运行时,该PC机监听以太网上的UDP报文,为目标系统的事后分析记录数据。本文论述了在Windows NT系列平台在通过Windows Socket及特殊的NDIS中间驱动实现UDP信息流的技术。     

我国数据驱动管理决策研究现状分析

数据驱动管理决策研究是大数据时代管理工程领域研究的重要方向。本文提出了基于社会网络分析方法的总体思路，采集、清洗和处理了我国数据驱动管理决策研究文献数据，建立了文献数据的共词矩阵，并进行了共词分析，构建了我国数据驱动管理决策研究的社群图，从点度中心度、接近中心度和中间中心度等方面研究了我国数据驱动管理决策研究现状，提出了当前研究热点和研究对象。此外，我们从大数据时代管理决策特点规律和作用机理揭示、数据驱动管理决策体系框架构建和要素分析、管理决策数据驱动技术工具和模型构建等方面总结了未来研究重点和趋势。研究结论对于我国开展数据驱动的管理决策理论研究和实践应用能够提供参考借鉴。     

武器装备虚拟维修训练系统设计

针对大型武器装备实装训练成本高,受场地天气影响大的特点,设计了一种基于unity驱动引擎的武器装备虚拟维修训练系统。场景模块采用3DMAX建模,并对虚拟对象设置复合碰撞器,完成对虚拟场景的构建;战技勤操作模块中,先对操作步骤分类,结合Petri网条件—事件模型,解决了虚拟环境下装备操作的标准流程生成问题;拆装训练模块中,采用割集法,结合单一约束解除原理,解决了虚拟拆装训练中拆装序列的生成问题;提出了基于层次分析法的横向评价模型和基于GAHP法的纵向评价模型,增强了对用户训练效果评价的全面性,并实现了纵向自适应评价;在系统中增加了半实物故障排除模块的设计,弥补了传统虚拟训练系统缺少此模块的问题。