代谢网络结构特征的生物信息学研究

作为生物信息学的重要研究内容,近年来代谢网络结构特征方面的研究取得了许多成果。回顾了代谢网络的重构和表示方法,重点综述了代谢网络宏观结构特征所蕴含的生物学意义,以及拓扑特征所揭示的网络演化过程和网络稳健性信息,提出了目前研究中仍然存在的问题及可能的解决思路,并对将来的研究趋势进行了阐述。     

基于电磁防护仿生方法的赛博空域鲁棒性研究

阐述赛博空域研究工作中以仿生方式进行电磁防护所需要涉及的基本内容,对所研究的内容在整个仿生领域中予以大致的定位．对赛博空域进行定义,解释进行电磁防护的基本概念、相关仿生研究的表象级对等模型、研究策略和实现基础．根据结构和功能的关系进行相应方案的规划,并结合鲁棒性研究,在分级冗余基础上考虑鲁棒裕度问题,描述网络简并、功能梯度和旁路易化的特征,使得赛博环境下电磁防护的仿生构想在技术上成为可能．     

敏捷C2组织鲁棒性研究

敏捷性的研究是信息时代的组织研究中的重要方面。设计一种敏捷的C2组织,以保证C2组织在执行任务时能够发挥最佳性能,以达到灵活应对任务、减少资源浪费和提升作战效能的目的,这样的组织称为敏捷C2组织。本文从敏捷C2组织形式化概念模型构建开始,对敏捷C2组织的敏捷性测度中的鲁棒性的含义及其测度方法进行详细的定义和阐述,并通过实验对方法进行分析研究验证。     

网格质量反馈的弹性体动网格改进

高鲁棒性的动网格变形方法是求解包含运动边界的非定常流场问题的关键技术。基于经典的弹性体动网格方法,引入两种设计合理、评价效果较好的网格质量参数——Patrick参数和Baker参数,提出了一种基于网格质量反馈的改进弹性体动网格方法。结合二维NACA0012翼型、三维ONERA M6机翼大角度俯仰运动,对比研究改进方法与经典方法的变形能力,改进方法能够保持较好的网格质量,尤其在最大变形时,可以有效改善较差网格单元,具有更高的鲁棒性。计算了NACA0012翼型、ONERA M6机翼的俯仰振荡绕流,并与实验结果及文献进行对比,结果表明,基于网格质量反馈的改进弹性体法能够显著提高变形网格的鲁棒性,可为非定常流场问题的求解提供有力支撑。     

单输入不确定系统离散变结构控制

研究单输入不确定离散时间系统的变结构控制设计问题.提出一种新形式的离散趋近律,它具有良好的动、静态特性,可有效消除由传统离散趋近律参数引起的抖振.设计扰动预估器以补偿不确定因素的影响,从而提高系统鲁棒性并进一步减弱抖振.仿真结果表明了所提设计方法的有效性.     

机电伺服系统的预测函数控制算法研究

针对典型机电伺服系统,提出了一种PFC PID串级透明控制策略,通过内环PID控制来提高抗干扰性,调节PID参数将其拟合成为一阶加纯滞后系统,作为外环PFC控制的广义对象,外环采用预测函数控制来获得良好的跟踪性能和强鲁棒性。详细分析了预测函数控制在具有参数饱和限制环节和滞后的机电伺服系统中的实施算法,分析了系统的闭环性能,并得到了其稳定鲁棒性条件。通过仿真验证了方法具有良好的鲁棒性和抗干扰能力。     

基于饱和度梯度的彩色序列图像光流场计算

传统的基于亮度守恒的光流法仅利用图像灰度信息进行光流求解,忽略了对包含丰富信息的色彩信息的利用。而彩色光流法虽然利用了彩色图像各通道信息,却忽略了对邻域信息的利用,造成存在各通道线性相关而无法求解的问题。同时,上述方法在光照变化时均不能得到正确的光流场估计。将基于饱和度的梯度计算方法引入灰度光流的计算方法中,提出了基于饱和度梯度的彩色光流计算方法,该方法有效地利用了彩色图像的色彩信息和邻域信息。试验结果证明：该方法提高了算法对光照变化的适应性,得到了更加精确的光流场估计,且避免了各通道线性相关的问题,为运动目标检测奠定了基础。     

临近空间飞行器纵向逆控制系统设计

建立了临近空间飞行器无动力滑翔阶段的纵向运动模型,并应用动态逆方法推导了模型的逆系统.系统相对阶等于绕质心运动模型的系统阶数,实现了绕质心运动模型的线性化.为了克服纵向运动模型的隐动态和参数的不确定性,在内环动态逆控制器的基础上,设计了外环最优调节器.仿真结果表明:飞行器纵向逆控制系统可以准确跟踪俯仰角或攻角指令,并对参数不确定性和外界干扰具有较好的鲁棒性,具有工程适用性.     

多模态图像智能目标识别对抗攻击

基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。     

验前分布的稳健性

研究Bayes统计分析中运用验前信息的稳健性 ,给出了正态分布期望值验前分布和指数寿命型分布失效率验前分布的稳健性分析。所论方法对于飞行器系统试验的精度分析和可靠性评估 ,具有较普遍的意义