基于旋转点电荷模型的舰船腐蚀电场

为了找出轴频电场无法彻底消除及实际测量中静电场产生波动曲线问题的原因,基于旋转点电荷的建模方法对舰船腐蚀电场进行研究。利用汉克尔变换对点电荷在三层介质中产生的电场进行近似求解,得出一定转速下感应电场随时间、螺旋桨半径及水面距离变化的规律曲线图,并通过实验验证了理论结果的正确性。结果表明:螺旋桨旋转产生的感应电场是构成舰船腐蚀电场的一部分,一定转速下的感应电场频率与螺旋桨转动频率一致,并会随着螺旋桨半径及与水面距离的增加而减小。     

应变天平测量电路退化及失效检测技术

针对振动、温度应力等引起的风洞应变天平检测电路(惠斯登电桥)的退化或失效,提出一种检测方法。基于不同时刻在电桥不同节点施加激励并测量其响应,通过理论计算实现电桥的参数解析,基于聚类实现失效检测。研制了原理样机,并开展实验研究,实验结果表明该方法有效,可以实现电桥的失效检测,电桥电阻的测量精度可以达到0. 2‰以上。基于该方法设计的样机,可以实现应变天平检测电路的退化及失效的自动检测,节省故障诊断时间,提高风洞试验的可用时间。     

次级通道估计误差对Fx-Newton算法的影响

Fx-Newton算法在执行过程中需要估计次级通道模型,针对主被动隔振工程应用中次级通道估计存在误差的问题,假设输入信号为正弦信号,建立含次级通道估计误差的Fx-Newton算法结构模型,推导了Fx-Newton算法的稳定性条件,并就相位误差和幅值误差对Fx-Newton算法稳定性和收敛性的影响做了详细阐述。最后对两自由度主被动隔振模型开展仿真研究,验证了理论分析结果。     

面向图计算应用的处理器访存通路优化设计与实现

针对图计算应用的访存特点,提出并实现一种支持高并发、乱序和异步访存的高并发访存模块(High Concurrency and high Performance Fetcher, HCPF)。通过软-硬件协同的设计方法,HCPF可同时处理192条共8种类型的内存访问请求,且访存粒度可由用户定义,满足图计算应用对海量低延迟细粒度数据访问的需求。同时,HCPF扩展了基于内存语义的跨计算节点定制互连技术,支持远程内存的细粒度直接访问,为后续实现分布式图计算框架提供技术基础。结合上述两个核心研究内容,基于流水线RISC-V处理器核,设计并实现了可支持HCPF的RISC-V片上系统(System-on-Chip,SoC)架构,搭建基于FPGA的原型验证平台,并使用自研测试程序对HCPF进行初步性能评测。实验结果表明,HCPF相比原有访存通路,最高可将基于数组和随机地址的两种随机内存访问性能分别提升至3.5倍和2.7倍。远程内存直接访问4 Byte数据的延时仅为1.63μs。     

采用改进遗传算法的舰载机保障调度方法

舰载机保障作业过程受到多种资源约束,同时可能存在突发事件的干扰。针对此特点,分析并制定干扰情况下的模型修正策略。在遗传算法中引入禁忌搜索算子改进传统遗传算法的变异操作,并通过具体实例进行仿真验证,其结果证明改进后的遗传算法在优化含干扰事件的多机保障问题时效率更高,并通过甘特图直观地反映重调度方案,为真实情况下有效处理舰载机保障过程中的干扰事件奠定理论基础。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

新一代指控系统任务控制能力分析与评估

随着新兴信息技术在军事上的广泛应用,联合作战背景下使命任务趋于多样化,同时军事行动对指挥控制系统尤其是任务控制能力提出了更高要求,因此,开展了新一代指挥控制系统的任务控制能力分析与评估研究。结合新一代指挥控制系统特点,根据任务控制能力的具体含义,构建任务控制能力指标体系;结合各指标的特性,建立可量化的数学模型;运用灰色层次分析法完成任务控制能力效能评估,为系统性能改进和完善提供重要参考。     

网络化维修信息系统互操作性等级评估

网络化维修保障中信息交互平台缺乏对互操作性优劣的评估方法,互操作性评估难。在网络化维修这一特定领域,互操作性是获取信息的基础。明确了网络化维修的互操作内涵,针对维修信息系统的特点,搭建网络化维修互操作平台所需的网络支撑,研究适用的互操作性评估模型和指标体系,构建了维修信息系统的互操作性等级评估模型,对维修保障信息系统建设具有指导意义。     

基于Monte Carlo仿真的武器装备贡献度评估法

为了更加科学、准确地对武器装备贡献度进行评估,从装备体系的角度出发,立足于作战任务实际,充分体现信息化条件下空战过程的随机性,提出了一种基于Monte Carlo仿真的武器装备贡献度评估法。对典型空中作战场景进行了任务阶段划分。提出了能够准确描述作战能力的指标项,建立了能够反映能力指标项的随机矩阵。并以拦截空中目标为作战背景,运用Monte Carlo仿真进行了验证,得出了与实际结果一致的结论。为武器装备的装备贡献度评估提供了理论支撑和方法模型。