一种基于混合模拟的计算组合电路中软错误率的方法与工具

随着工艺尺寸的不断缩小,组合电路引起的SER(Soft Error Rates)越来越严重.针对使用HSPICE计算组合电路软错误率速度较慢以及使用传统的组合电路软错误率分析工具在对待重汇聚时计算精度不高的问题,本文提出了一种混合模拟的方法,并基于该方法实现了组合电路软错误率分析工具.该混合模拟方法使用HSPICE模拟发生重汇聚的逻辑门;使用快速的脉冲传播算法模拟其他逻辑门.模拟结果表明,该方法可以在速度和精度上达到很好的折中.通过与国际上常用的组合电路软错误率分析工具进行比较发现,在重汇聚发生较多的电路中,该混合模拟方法更能真实地反应组合逻辑中的软错误率.     

基于BP神经网络的空中目标识别方法

提出了一种利用BP神经网络用于空中战机目标识别的方法.首先,分别用300张不同姿态的F-16和F-22战斗机图片建立样本图库.其次,利用不变矩理论,提取图片的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.然后从样本图库中随机抽取两种型号飞机图片各30张作为空中打击目标进行识别,结果表明采用LM优化算法的BP网络具有一定的抗噪声能力.     

舰船维修器材保障点选址决策模型及算法

传统的最大覆盖选址模型没有考虑对服务半径外的需求点的满足和服务时间的响应,而在舰船维修器材保障中,不论需求点到保障点的距离是否大于服务半径,都应对其进行保障服务,且在保障过程中要满足保障时间控制在不影响舰船正常维修任务时间内。针对此问题,运用广义最大覆盖选址模型和时间满意度函数,构建基于时间满意的广义最大覆盖选址模型,并运用一种混合算法———基于遗传模拟退火算法的BP算法对模型进行求解。最后,运用该算法对实例进行了分析计算,计算结果验证了该算法的有效性。     

抢险救灾非战争军事行动中应急资源调度网络的优化方法

抢险救灾非战争军事行动包括道路抢修和物资运输等任务,而这两类任务在灾后应急资源调度中存在关联性的影响,且面临路网结构可变及需求随机模糊等挑战,对此,提出了一种非确定性应急资源调度网络双层规划模型,设计了基于蒙特卡洛方法与遗传算法耦合的智能启发式求解策略.通过对典型情境下应急资源调度案例进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.     

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。     

灰色关联法的装甲车辆混合电传动方案评估

为了实现装甲车辆混合电传动系统方案的优化设计,在综合运用层次分析法和灰色关联分析法的基础上,建立了一个新型的综合评价模型。模型采用层次分析法确定评价指标的权值,运用灰色关联分析法计算评价对象的灰色关联系数,进而计算加权灰色关联度作为判定评价对象优劣的准则。最后利用该模型对4种主流混合电传动方案的评估,得到了混合电传动方案性能优劣的排序,并对排序结果进行了分析。     

开创新能源革命的“大绿舰队”

1907年12月16日至1909年2月22日,16艘舰体全部漆成白色的美国战列舰进行了一次举世瞩目的环球航行,它们所组成的舰队就是赫赫有名的"大白舰队"。然而这支舰队除了担负着扬合众国国威之使命外,还有一项当时对美国极为重要的任务。这项任务如西奥多·罗斯福总统所言便是:"我希望所有的故障、错误和缺点都能够在和平时期而非战争时期显露出来"。"大白舰队"最终不辱使命,使以煤为燃料的军舰的后勤补给缺点显露无遗,     

模糊需求下保障设施选址-路径模型及算法

针对装备保障过程中被保障单位需求量不确定的问题,在详细分析保障设施选址-路径相关因素的基础上,利用三角模糊数对需求量进行标定。通过运用模糊综合评价与群决策思想确定保障设施备选址点权重,构建时间满意度函数与惩罚成本函数,建立模糊需求下带有时间窗及容量限制的选址-路径模型,并设计了基于聚类分析与蚁群算法的混合启发式求解算法。通过算例分析验证了模型的正确性及算法的有效性。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。     

新混合智能计算法在 UCAV 航路规划中的应用

无人作战飞机(UCAV)出航执行对地攻击(或侦察)任务,若事先针对敌方防御区内的威胁部署和目标的分布情况,就飞行航路进行整体规划设计,则可以综合减小被敌方发现和反击的可能性,最大限度地降低耗油量,从而显著提高其执行任务的成功率.在对进化算法研究的基础上.将用于解决旅行商问题(TSP)的进化算法加以改进,引入优秀个体保护法和模拟退火的策略思想,借以克服进化算法固有的易陷于局部最优的早熟现象,然后运用于UCAV的航路规划.实验结果表明,改进的混合智能计算方法简易而有效,寻优效果明显优于常规进化算法,规划出的航路能够满足UCAV飞行任务规划的综合需要.