基于复杂网络的装备保障网络结构脆弱性分析

通过网络化实现装备保障一体化是装备保障体系建设的重点问题。在分析复杂网络脆弱性基本理论的基础上,通过定义装备保障网络中节点、边,构建了典型的装备保障网络拓扑结构模型,提出了装备保障网络的随机失效和蓄意攻击失效两种失效模式,并对两种失效模式下不同装备保障网络的结构脆弱性进行了仿真分析,为装备保障网络的构建以及防护策略的制定提供了科学的参考依据。研究结果表明:从防御角度而言,适当增加不同保障实体之间的交叉连接有助于提高装备保障网络的抗毁性;而从攻击角度而言,二次攻击则可有效提高攻击效率,以达到迅速瘫痪装备保障体系的目的。     

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。     

高级在轨系统的自相似业务量预测链路优化模型

在AOS高级在轨系统链路协议的基础上,分析了具有自相似特性的业务流量,提出了一种基于FARIMA模型的自相似预测的链路优化模型。该预测模型基于分数阶统计理论,在估计赫斯特参数的基础上,根据不同的时间粒度,提前预测突发业务量的到来,从而降低了网络丢包率。仿真表明模型在20点预测内具有较好拟合性,在一定置信区间下具有较好的预测成功概率和较低的虚警概率,同时使网络丢包率大幅下降。     

柱体大攻角入水弹道建模与仿真

基于CFD计算获得了柱体大攻角入水过程流体动力特性,进而建立了大攻角入水弹道模型,使用流场-弹道耦合计算结果验证了模型的适用性和精度,然后仿真分析了入水攻角和速度对入水弹道的影响规律。该模型能较准确地预测柱体大攻角入水弹道,对研究发射平台安全性问题和空投鱼雷等入水攻击性武器的入水弹道预测问题等有较强的指导意义。     

地球模型偏差对远程弹箭弹道仿真的影响及修正

针对地球模型精确度影响远程弹箭弹道仿真的问题,分析了地球模型偏差对弹道仿真精度的影响并加以修正。采用总的地球椭球系,在已有弹道模型的基础上,分析了垂线偏差的产生机理及其对定向定位参数的影响,并由此得出弹道几何偏移随定向偏差的变化规律,研究了引力加速度初值偏差对弹道的误差累积,并对由水准面不平行性造成的实际落点高差进行了理论推导。对比仿真算例表明,考虑地球模型偏差影响的仿真结果与不考虑的情况下差别较明显,在远程条件下对弹道仿真精度的影响不容忽视。     

飞航导弹故障飞行落点概率计算方法

针对飞航导弹故障飞行落点概率难以准确计算的问题,通过分析导弹的各个分系统的故障机理重新提出五种故障模式,依据逐系统串联的原理建立了故障模式的概率分配计算模型;在对发射、飞行和故障后坠落等阶段进行分析的基础上建立各故障模式的仿真模型;最后应用蒙特卡洛方法对某型导弹故障飞行落点的概率分布进行了仿真计算。     

敏捷成像卫星自主规划模型与算法

针对敏捷成像卫星自主规划问题,将规划、决策、执行和信息反馈相结合,提出星上自主规划框架,并介绍框架结构和模块功能。在分析主要约束条件的基础上,建立基于时间线约束网络的问题模型。通过将各种卫星动作前后衔接,组合成能够完成不同任务的动作序列,提出一种面向卫星动作序列的启发式算法。该算法分为规划和决策两个部分,并在卫星执行每一个动作序列的同时基于多种启发式规则进行规划,在动作序列执行结束时进行决策。实验结果表明了自主规划框架和模型的合理性以及算法的有效性。     

四轮独立驱动无人车的动力性参数设计仿真

四轮独立驱动无人车的轮毂电机功率、蓄电池容量与组数以及无人车续驶里程等参数的匹配设计是无人车研制过程中整体设计的一个难点和重点,需要通过无人车运动学和动力学分析进行确定,既要满足可行性又要具有很好的可靠性。根据实际需要和动力性设计要求,在对无人车进行运动和动力学分析的基础上,通过理论计算得到动力性参数,然后通过ADVISOR软件建立四轮独立驱动整车仿真模型,对其动力性进行仿真。通过仿真,其最高车速、爬坡性能、加速性能以及行驶里程在不同的工况下得到仿真结果与理论设计的参数相吻合,验证了参数设计的合理性,为下一步无人车样机的制作以及进行整车运动控制研究具有重要实际意义。     

火控系统故障预测与健康管理技术

故障预测和健康管理(PHM)技术具有故障诊断、故障预测以及健康管理的功能,对降低火控装备维修成本、增强火控系统的完备性以及提高火控系统管理效率具有重要意义。根据通用火控系统发展现状及应用需求,将PHM技术引入到火控系统中。首先介绍了PHM技术原理和国内外发展现状,重点讨论了PHM关键技术和通用火控系统PHM体系结构。最后展望了火控系统PHM技术的发展趋势。     

一种基于压缩Fisher向量的目标检索方法

当前,视觉词典法(Bo VW,Bag of Visual Words)是解决目标检索问题的主要方法,但传统的Bo VW方法具有词典生成时间效率低、检索内存消耗大等问题。针对这些问题,提出了基于压缩Fisher向量的目标检索方法,该方法首先将Fisher核机制用于目标检索,它能自动降低目标图像背景带来的不利影响,然后,采用位置敏感哈希(LSH,Locality Sensitive Hashing)对Fisher向量进行压缩编码以降低计算复杂度和内存开销,使之适用于大规模数据库。实验结果表明,新方法只用几百比特就能表征一幅图像内容,对大规模目标检索有很好的适用性,且较之当前主流的压缩视觉词典法具有更高的准确率。