GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。     

用于任务规划的航母编队防空威胁建模

建立正确的航母编队防空威胁模型是反航母任务规划成功的前提,在分析网络化条件下航母编队综合防空反导体系作战特点基础上,综合考虑反舰导弹性能、防空雷达网和编队防空火力威胁等因素,利用加权指数方法建立了网络化条件下航母编队综合防空网络威胁模型。仿真结果表明该模型能够体现航母网络化防空体系的真实情况,可以用于反航母任务规划。     

基于SRUKF的异类信源多模型跟踪算法

针对多传感器系统中基于冗余和互补信息的机动目标跟踪,以及传感器探测任务平稳交接问题,提出基于SRUKFIMM多信源综合滤波算法进行目标状态估计,提高了目标状态估计精度;并依据当前最新相关量测与滤波预测值的偏差等信息,进行自适应航迹升/降维控制。仿真结果表明:滤波输出稳定平滑、精度高,可有效降低部分信源采样缺失对目标跟踪稳定性的影响,具有较强的鲁棒性能。     

指挥控制系统网络动态抗毁性

为研究指挥控制系统网络的动态抗毁性,建立了指挥控制系统的多Agent复杂网络抗毁性模型。在模型中,将系统中的每个作战单元看作一个具有自修复能力的Agent;在重点攻击和随机攻击的基础上提出了一种基于攻击力度指数的攻击策略;引入了网络整体效率,并在此基础上提出了一种网络动态抗毁性的度量方法。最后利用仿真的方法对指挥控制系统的抗毁性进行了研究,仿真结果表明网络节点的自修复能力对于网络保持其性能的时间的长短具有很大影响,对提高指挥与控制系统的抗毁性具有一定的参考价值。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

基于序列径向基函数的运载火箭蒙皮桁条结构轻质优化

以我国大型运载火箭薄壁加筋结构轻量化设计为研究背景,针对轴压下大直径大载荷蒙皮桁条结构开展后屈曲轻质优化研究。基于Python语言建立蒙皮桁条结构参数化模型,为确定结构的极限承载能力,开展蒙皮桁条结构后屈曲分析。针对蒙皮桁条结构轻质优化涉及离散的拓扑和连续的尺寸优化问题,提出基于近似模型和组合优化算法的序列近似优化方法,并利用近似最优解加速算法收敛,确定蒙皮桁条结构最优设计方案。工程算例结果表明,所提序列近似优化方法使大直径大载荷运载火箭蒙皮桁条结构减重效果明显,验证了方法的有效性。     

黏弹性基体中挠曲电Timoshenko纳米梁振动特性分析

以黏弹性基体中的Timoshenko纳米梁为研究对象,综合考虑非局部效应、压电效应和挠曲电效应的影响,基于哈密顿原理建立了系统的振动控制方程和相应的边界条件,给出了两端简支边界条件下挠曲电纳米梁控制方程的求解方法,系统地研究了非局部参数、挠曲电系数以及黏弹性基体对挠曲电纳米梁振动特性的影响规律。结果表明:横向挠曲电系数能显著增加挠曲电纳米梁的结构刚度,而非局部效应和切向挠曲电系数则会降低系统的结构刚度。此外,通过研究黏弹性基体的影响规律,可得到挠曲电纳米梁不再发生往复振动时对应的黏弹性基体临界阻尼系数。相关研究结果可为挠曲电纳米梁在俘能器中的推广应用提供理论基础。     

网络攻击螺旋模型构建及运用研究

网络攻击模型是实施网络攻击的基本遵循依据,本文分析了经典网络攻击链模型存在的适用性不足、全面性欠缺、整体性不够三个主要问题,构建了更适合描述APT攻击的网络攻击螺旋模型。该模型将网络攻击活动描述为侦察、武器化、渗透与破坏、横向移动、撤出以及评估与改进6个阶段,并设置为螺旋循环式结构,通过对攻击链模型的优化与重构,使模型层次更加分明,任务更加明确,功能更加完备。在此基础上,对模型中各阶段行动应当完成的攻击任务和采取的攻击方式进行了梳理,运用统一建模语言从静态和动态两个方面对网络攻击螺旋模型在APT攻击中的运用方式进行了形式化描述,梳理了该模型的运用原则和特性,对分析识别APT攻击行为并采取针对性防御措施阻断攻击链具有一定借鉴意义。     

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。