集成电路方波脉冲注入损伤效应实验研究

为了得到各损伤参数随脉宽的变化规律,寻找建立评价复杂EMP波形对集成电路损伤模型的依据,对2种典型的集成电路器件进行了方波脉冲注入损伤实验。结果表明:RAM6264损伤电压、电流及功率均随脉宽增大而减小,损伤能量处于某一小范围之内,可能属于能量损伤型器件;BG305损伤电压、功率随脉宽增大而减小,损伤能量随脉宽增大而增大,损伤电流处于某一个小范围之内,可能属于电流损伤型器件。     

方波注入对组合电路损伤效应研究

以某型雷达系统为试验对象,选取典型系统的组合电路,进行方波脉冲注入对比试验,研究了电磁脉冲对系统中组合电路的损伤规律。试验表明:电磁脉冲对组合电路的损伤与电路结构有关,损伤过程是一个渐变的过程,注入脉宽越大其损伤电压越小,能量可能是造成电路功能损伤或失效的主要因素。     

一种面向移动Agent的多任务并行计算模型及算法

介绍了一种面向移动Agent的并行计算模型,给出了采用十标度策略解决任务排序,采用满射策略解决任务映射的算法。该模型允许多个计算任务在异构主机构成的分布式环境下同时进行计算,并且通过算法优化,降低移动Agent之间的通信成本,减少网络流量。     

利用混合编程改善SMP机群上并行矩阵乘法的性能

针对SMP机群,探讨了分别利用单机优化、OpenMP与MPI从指令级、共享存储级与分布主存级三个层次上改善矩阵并行乘Fox算法性能的方法。并通过调用数学函数库与混合编程的方式,在深腾6800上进行了实验,取得了相当满意的数值效果。     

基于蚂蚁聚类算法的炮兵阵地选取方法

在对炮兵作战地域进行地形分析的基础上,提出运用蚂蚁聚类算法选取炮兵阵地的方法.针对炮兵阵地配置的特殊要求,将模糊数学中的隶属度概念引入到炮兵阵地聚类算法之中.最后通过实验分析了此方法的优缺点,对炮兵指挥决策有一定的参考价值.     

基于遗传算法的弹炮混编防空群火力分配

近期局部战争中的防空作战经验表明:实施弹炮混编可以大大提高防空武器系统的作战效能,而如何实施有效的火力分配又是其中的一个重要环节.针对陆军弹炮混编防空群射击指挥中的火力分配问题,简要分析了防空导弹和高炮武器系统射击的不同特点,提出了弹炮混编防空群的火力分配方法,并建立了优化火力分配方案的数学模型.在此基础上,采用遗传算法对此模型求解.结果表明,遗传算法为弹炮混编防空群的火力优化分配问题提供了一条有效途径.     

互耦影响存在时修正MUSIC算法的DOA估计

首先用矩量法精确分析了考虑互耦影响时天线阵元的电流分布,给出了计算电流的解析式,并仿真计算了单元直线阵的电流分布。然后以等效网络法为基础研究互耦影响存在时修正MUSIC算法的DOA估计性能,仿真实验表明在互耦影响存在时MUSIC算法失效,而修正MUSIC算法仍然具有良好的DOA估计性能。     

基于改进的BP算法的舰载C4I威胁判断模型

为解决传统舰载C4I威胁判断模型的不足,寻求适应信息化作战要求的舰载C4I威胁判断模型,将神经网络引入舰载C4I系统,提出了基于BP神经网络的威胁判断模型,并对BP算法进行了改进;通过Matlab仿真计算,结果表明该方法计算速度快、精度高.     

多传感器参数融合研究

防空导弹武器系统为了适应“网络中心战”,对多传感器参数融合进行了研究。给出了同时间点参数融合的加权最小二乘法与不同时间点参数融合的Kalman综合滤波法。对于各方法的性能,不仅进行了简要的理论分析,还给出了仿真实验的数据结果。理论分析与仿真实验都证明了这2种方法具有优异性能。     

Transient analysis of Markov models of fault‐tolerant systems with deferred repair using split regenerative randomization

The (standard) randomization method is an attractive alternative for the transient analysis of continuous time Markov models. The main advantages of the method are numerical stability, well‐controlled computation error, and ability to specify the computation error in advance. However, the fact that the method can be computationally very expensive limits its applicability. In this paper, we develop a new method called split regenerative randomization, which, having the same good properties as standard randomization, can be significantly more efficient. The method covers reliability‐like models with a particular but quite general structure and requires the selection of a subset of states and a regenerative state satisfying some conditions. For a class of continuous time Markov models, model class C₂, including typical failure/repair reliability‐like models with exponential failure and repair time distributions and deferred repair, natural selections are available for both the subset of states and the regenerative state and, for those natural selections, theoretical results are available assessing the efficiency of the method in terms of “visible” model characteristics. Those results can be used to anticipate when the method can be expected to be competitive. We illustrate the application of the method using a large class C₂ model and show that for models in that class the method can indeed be significantly more efficient than previously available randomization‐based methods. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006