模型不可知的联合相互学习

主流的联邦学习(federated learning, FL)方法需要梯度的交互和数据同分布的理想假定,这就带来了额外的通信开销、隐私泄露和数据低效性的问题。因此,提出了一种新的FL框架,称为模型不可知的联合相互学习 (model agnostic federated mutual learning, MAFML)。MAFML仅利用少量低维的信息(例如,图像分类任务中神经网络输出的软标签)共享实现跨机构间的“互学互教”,且MAFML不需要共享一个全局模型,机构用户可以自定制私有模型。同时,MAFML使用简洁的梯度冲突避免方法使每个参与者在不降低自身域数据性能的前提下,能够很好地泛化到其他域的数据。在多个跨域数据集上的实验表明,MAFML可以为面临“竞争与合作”困境的联盟企业提供一种有前景的解决方法。     

一种具有抑风性能的综合火力/飞行控制系统

提出了飞机中性稳定的直接力控制模态。将这一模态应用于综合火力/飞行控制中的空-空机炮攻击,着重研究了中型稳定模态的抗垂风性能。此模态的应用实现了航迹基本不变的机身瞄准直接力控制,提高了抗垂风能力,明显地改善了姿态跟踪精度,延长了交火时间,并最终减小了脱靶量。     

空空导弹后射火控技术

对空空导弹后射火控技术进行了分析,重点讨论了后射中的导弹控制问题。由于在后射过程中的速度过零阶段,导弹的气动力无法提供足够的法向控制力,给出了气动力/推力矢量控制相结合的复合控制方案,并以此导弹控制模型实现了后射火控过程。通过数字仿真,比较了后射火控与越肩发射火控的不同攻击过程,表明所提出的导弹复合控制方案可以解决导弹后射火控问题,后射与越肩发射相结合可以更好地实现全向攻击。     

基于人工势场法和Ad-hoc网络的多机器人编队控制

ad-hoc网络具有自组性强、快速组网和高抗毁等特性,以它组网的多机器人编队适用于一些无法预先安装通信设备的特殊场合。但是由于ad-hoc网络的通信覆盖范围有限、网络动态性强,在进行编队控制时如果不考虑编队中机器人之间的通信距离,可能导致机器人因与网络失去联系而脱离编队。为了确保多机器人编队的完整性,在使用势场法进行编队控制时,除考虑目标和障碍物的影响外,同时将机器人之间的通信距离作为一种引力加入传统的环境势场模型。仿真实验的结果证明该方法可以有效地控制ad-hoc方式组网的机器人编队。     

考虑需求相关的可修复系统备件配置模型

对于一个拥有多台相同设备的可修复系统来说,一种备件的需求以及其对应的备件保障方案将影响着系统的可工作设备数量,从而影响着设备其他备件的需求,故假设备件需求相互独立且与系统自身备件保障方案无关而开展备件配置研究是不合理的.在考虑备件需求相关以及备件的保障方案对备件需求的影响的前提下,利用马尔可夫理论描述了备件需求规律,针对不串件拼修和串件拼修两种情况分别给出了可用度的计算方法,并在此基础上以备件配置费用作为优化目标,以可用度作为约束构建备件优化配置模型,给出了边际分析求解模型的方法.通过案例分析,验证了模型的正确性.     

仿真环境下嵌入式软件测试技术研究与应用

嵌入式软件的开发运行是针对特定的环境条件,作为第3方的测试,在有些运行平台和条件无法保障下,要测试嵌入式软件是非常困难的.主要论述在普通PC机上怎样实现对嵌入式软件测试的方法和步骤.     

定量的近距空战训练对抗态势分析方法

针对近距对抗态势分析不能量化的不足,提出一种定量的近距空战训练对抗态势分析方法。该方法以对抗过程中双方的位置关系为基础,结合近距空空导弹的攻击包线,建立位置优势函数和武器优势函数,通过两类函数的线性组合构造对抗态势函数,实现了空战训练对抗态势的定量描述。通过算例验证了该方法的合理性和有效性。     

基于SNMP的数据采集技术在指挥自动化系统中的应用

针对指挥自动化系统分布式多域的系统结构特点以及高效数据采集的需求,提出了一种基于SNMP的域内数据采集模型,采用SNMP的主子代理模式,多个代理协调合作,共同完成数据采集任务.实验验证,本数据采集系统具有稳定性高,时效性强,可扩展性好、网络资源占用率低等特点,为整个指挥自动化网络系统高效运行提供了可靠的保证.     

基于维修专业的任务调度及优化方法

通过对现实维修任务调度问题进行分析,以最短时间内恢复作战单元战斗力为目标,建立了基于维修专业的任务调度模型,并且研究了模型求解及优化的方法.该模型既适用于静态维修任务调度也适用于动态维修任务的调度,最后通过实例对方法的正确性和可行性进行了说明和验证,实例结果表明,该方法更贴近于实际,实现了快速、有效地解决维修任务调度问题.     

基于误差修正模型的自适应递推滤波算法

提出自适应滤波算法是经典Kalman滤波与最小方差自适应控制结合的成果。通过引入一个可变因子,将线性系统的状态转移方程与观测方程合并,然后平滑估计未知白噪声,使原本不相关的估计量被映射在同一线性流型中,由此获得可变因子的最优值。可变因子的最优调节保证了滤波的自适应性。最后通过仿真将此算法与经典的Kalman滤波对同一目标状态进行比较,发现由于误差修正因子的引入,此算法在滤波精度上得到显著提高。