计算机网络级联失效建模与分析

针对以往级联失效模型负载局部重分配规则与现实计算机网络全局路由特点不吻合的缺陷,模拟网络中信息流传输过程。定义路由器的失效条件,建立基于负载全局重分配的级联失效模型,并在此基础上提出基于连通和性能两方面的级联失效影响评价参数,进而分析用户流量和攻击方式对计算机网络级联失效的影响。结果表明,随着流量的增大,级联失效存在相变行为,相变点刻画了网络在不会发生级联失效前提下的最大传输能力。此外,针对网络中高度节点的攻击,更为容易引发大规模的级联失效,应予以重点保护。     

面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小.提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

改进层次分析法在空面多目标攻击排序中的应用

建立了考虑目标的威胁、政治价值和经济价值属性的空面多目标攻击排序综合价值评估指标,应用模糊多属性理论和G.A.Miller九级量化理论对目标综合价值进行量化.建立了机群多目标攻击排序模型,采用熵值法求取各属性的权重从而构造判断矩阵,在此模型的基础上运用改进的层次分析法求解空面多目标攻击排序矩阵,从而为驾驶员的战术决策提供依据.     

区间数与灰决策的作战效能评估模型

针对作战效能评估过程中评价指标值同时存在精确数、区间数和语言类模糊数的情况,引入区间数与灰决策原理,提出了一种基于区间数与灰决策的作战效能评估模型。结合案例分析,对模型合理性进行验证,结果表明,该模型能够真实地反映武器装备作战效能的综合评估值。     

多枚声诱饵协同对抗水下声自导航行器决策方法

针对大型舰艇或舰艇编队机动性能差,且单枚声诱饵对抗效果差等问题,分析多枚声诱饵协同对抗水下声自导航行器使用方法,通过舰艇、声诱饵和水下声自导航行器间的运动几何关系,建立多枚声诱饵协同对抗数学模型,利用蒙特卡洛仿真对比分析纯机动、使用单枚声诱饵和多枚声诱饵不同对抗决策方法对水下声自导航行器捕获概率的影响,证明所提方法正确有效。     

多爆炸成型弹丸性能参数灰关联分析

为了获得各参数对多爆炸成型弹丸毁伤性能的影响程度,以EFP速度和MEFP发散角为参考序列,以药型罩和装药参数为比较序列,运用灰关联理论对影响MEFP毁伤性能的参数进行了灰关联分析。在此基础上,应用灰关联分析结果完成了MEFP战斗部优化设计。结果表明:在较少样本空间前提下,采用灰关联理论可以分析获得影响多爆炸成型弹丸毁伤性能的各因素主次关系,而且经过优化后的MEFP战斗部,大大地提高了EFP的集聚性和毁伤性能。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。     

一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

基于ADC的炮兵激光观测仪侦察效能分析

运用了效能分析方法,针对复杂战场环境下炮兵侦察系统的效能进行分析,特别是炮兵激光观测仪,揭示其内在规律,为提高现有侦察装备的作战效能找到重要途径,也为指挥员的决策提供可靠的战略支持.在侦察系统效能分析理论的基础上,对典型的激光观测仪侦察装备进行了计算评估验证,其方法和成果可供其他武器系统效能评估时借鉴参考.