基于蒙特卡洛法的无人机飞行冲突解脱安全评估

冲突解脱技术是无人机与有人机共域飞行的前提保障。针对目前缺少对冲突解脱技术安全评估的方法,提出运用蒙特卡洛法对飞行冲突进行仿真模拟,得出冲突解脱算法的安全效率。提出基于改进蚁群算法的冲突解脱技术,实现无人机的飞行冲突解脱;利用蒙特卡洛法,对飞行冲突过程进行大规模仿真,计算冲突解脱效率,与基本蚁群算法进行对比,并从安全角度对结果进行分析。提出的思路可为未来无人机空域运行安全评估体系的构建提供一种理论参考。     

"双一流"建设对高等教育学学科发展的机遇与挑战

"双一流"建设为高等教育学科发展提供了机遇和挑战.高校应根据高等教育学科发展的历史和文化,采用不同战略定位和建设路径,紧抓机遇、突出特色、引入竞争机制、服务国家战略,直面高等教育学科独立学科地位的困境、自身发展规律与社会需求逻辑间的权衡等"双一流"建设带来的挑战,通过完善治理体系、加强人才培养、助力智库建设、实现科学评估、释放服务功能等方面把握"双一流"建设中高等教育学科发展的方向,推进中国高等教育学科的内涵式发展.     

Banach空间中拟非扩展映象的不动点的迭代逼近

研究了严格凸Banach空间中非空间凸子集上拟非扩展映象的不动点的迭代逼近问题,主要证明了:设E是严格凸Banach空间,K为E的闭凸子集,T:K→K为连续拟非扩展映象。进一步假设T(K)包含于K的一个紧子集之中,迭代地定义序列{xn}∞n=1如下:(IS)yn=(1-βn)xn+βnTxn,n≥1,xn+1=(1-αn)xn+αnTyn,n≥1,其中{αn}和{βn}满足一定的条件,则{xn}强收敛于T的某个不动点。     

模糊离散动态贝叶斯网络的目标威胁等级评估

动态贝叶斯网络作为一种智能推理工具在处理不确定推理问题中显示出强大的生命力,但是存在难于处理连续变量的推理问题。将模糊理论与动态贝叶斯网络相结合,提出一种模糊分类的方法,将连续变量模糊分类为动态贝叶斯网络能够应用的证据信息用于推理,并建立目标威胁等级评估模型,应用直接推理算法对该网络进行推理。仿真结果表明,该分类方法与动态贝叶斯网络结合能够很好地处理连续变量推理的问题。     

基于空域分割的防空部署效率评估模型

为了提高防空系统的作战效能,对防空部署效率评估非常必要。在分析了影响防空导弹部署效率主要因素的基础上,从进袭方考虑,对作战空域实施离散化处理,并引入危险系数等概念,建立了部署效率评估模型。可为防空部署效率评估提供一个新的思考和研究角度,具有一定的理论参考价值。     

纳米二氧化硅增强硬质聚氨酯泡沫塑料的制备

采用功率超声,将纳米二氧化硅颗粒分散到多次甲基多苯基多异氰酸酯体系内,然后与聚醚多元醇聚合制得了纳米二氧化硅增强的硬质聚氨酯泡沫塑料。SEM分析表明,纳米二氧化硅均匀分散在聚氨酯泡沫中。在较低添加量时,纳米二氧化硅使压缩强度和冲击强度有一定提高,但会引起多次甲基多苯基多异氰酸酯粘度迅速增加,从而导致发泡反应困难,当添加量为7wt%时,压缩强度和冲击强度开始下降。     

型号项目工期风险管理决策模型与自适应遗传算法

针对型号项目的过程特点,建立了型号项目工期风险的管理决策模型。模型考虑了型号项目中活动重叠、活动迭代、活动执行时间的不确定性和可更新资源总量等重要的工期风险影响因素。从模型的特点出发,给出了问题求解的基于自适应遗传算法的仿真优化方法。算例显示,该算法能较好地求解本文的工期风险管理决策问题。     

自适应控制中的Hartley块算法及实验

针对小波包自适应控制子频带内包含大量卷积和相关运算导致算法收敛速度慢的问题,提出基于Hartley块的小波包滤波最小均方算法。将快速Hartley变换引入块算法,实现频域内快速卷积和相关运算;在子频带内应用Hartley块算法生成控制信号,通过重叠保留法提出基于Hartley块的小波包滤波最小均方算法;通过仿真和实验研究了定频和扫频两种工况下的隔振性能和控制效果。结果表明,基于Hartley块的小波包滤波最小均方算法不仅可以大幅缩短收敛时间,还能显著提高控制精度,且鲁棒性和稳定性良好,能够很好地应用在工程实际中。     

超音速气流中热塑性复合材料壁板的非线性热颤振特性

热塑性复合材料结构在高速流场中的颤振行为是可重复使用航天器设计中需要考虑的问题.基于Mindlin厚板理论和Von-Karman大变形理论描述热塑性复合壁板结构大变形,超音速气动力采用活塞气动理论.考虑温度引起的壁板面内热应力和热塑性材料力学性能的改变.根据虚功原理和有限元法推导建立了热塑性复合材料壁板的热颤振模型,进...     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。