基于HLA的网络攻防仿真系统设计

以设计网络攻防仿真系统为开发目的,阐述了网络攻防仿真系统结构组成、系统内各部分之间的逻辑关系、交互内容和过程,重点分析和设计了系统联邦成员、对象类/交互类,实现了网络攻防仿真系统。仿真实验结果表明,系统的设计是可行的。     

地面防空作战ADSL通信

就现代地面防空作战中通信技术进行了研究,利用光纤、ADSL(不对称数字用户线)宽带技术解决在地面防空通信网中数据传输的瓶颈问题。     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

舰船磁场信号的Lipschitz指数与船速的关系

用小波变换的方法对舰船磁场信号进行奇异性分析,找出船速与奇异性指数之间的关系,并通过人工神经网络来判断船速.     

面向数据库服务的网络流量模拟方法

针对离线网络安全实验环境缺少真实网络环境的背景流量,以及实验环境中数据库服务器缺少资源争用的现象,提出了面向数据库服务器的网络流量模拟方法,设计了用户访问数据库的操作模型,实现了面向数据库服务且独立于其客户端的网络流量模拟系统。     

战场通信网络消息处理模型研究*

针对战场通信网络建模需求,基于 EBI建模框架,提出了面向实体的战场通信网络建模方法,探讨了战场通信网络实体模型的组成结构.重点分析了战场通信网络消息处理模型的作用和功能,给出了消息处理模型的仿真工作流程,对消息处理模型中的消息列表、通信事件列表、网络路由算法进行了阐述,并结合通信节点实体模型中的消息缓冲器,探讨了消息处理模型管理和维护通信事件列表的方法.     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

Research on construction of operation architecture based on complex network

Operation architecture plays a more important role in Network Centric Warfare (NCW), which involves dynamic operation networks with complex properties. Thus, it is essential to investigate the operation architecture under the informatization condition within NCW and find a proper network construction method to efficiently coordinate various functional modules on a particular situation, i.e., the aerial combat. A new method integrating the physical level and functional level of NCW is proposed to establish the operation architecture, where the concept of network operation constraints unit and net constructing mechanisms are employed to avoid conflicts among different platforms. Meanwhile, we conduct simulations to assess the effectiveness and feasibility of the constructed operation architecture and analyze the influence of the network parameters.     

无线传感网和神经网络的民用火药贮存在线监测系统

针对目前绝大多数火药仓库的温度、湿度控制由于采用人工操作导致对温湿度不能实时精确监控从而导致火药失效的问题,设计了一种基于无线传感网和神经网络的火药贮存在线监测系统。该系统将无线传感网络终端节点实时收集到环境温度和水分信息传给神经网络控制器,根据神经网络控制模型实时调节火药贮存温湿度控制设备的各个参数,实现对火药贮存环境温湿度的自动化和实时精确控制,提高火药贮存的可靠性和经济效益。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。