一种面向大规模HLA仿真的并行区域匹配算法

HLA仿真中,数据分发管理实现基于值的过滤,可以有效减少盟员接收冗余数据的可能性和网络中的数据流量。大规模HLA仿真系统在仿真推进中需要大量的区域匹配计算以维护数据分发管理的正确性。现有的区域匹配算法大多需要对所有区域进行匹配计算,造成了大量计算资源的浪费;同时,主要基于串行匹配思想,难以充分发挥多核平台的并行计算优势。针对现有区域匹配算法的局限性,提出了一种面向大规模HLA仿真的并行区域匹配算法,该算法能够实现对一次仿真推进中多个改变区域的并行匹配计算,同时在匹配计算中采用基于移动相交的基本思想,利用区域范围移动前后的历史信息,将匹配限定在移动区间之内,减少了大量的无关计算。理论分析与实验结果表明该算法尤其适合基于多核计算平台构建大规模分布式仿真的应用需求。     

基于二阶锥规划的MIMO雷达任意形状旁瓣波束设计

针对MIMO雷达非均匀布阵引起的高旁瓣问题,提出一种基于二阶锥规划的任意形状旁瓣设计算法.算法通过在旁瓣区域附加多个二次不等式约束,从而有效抑制干扰、保持期望方向天线增益的同时,获得了期望的、可以任意控制的旁瓣波束响应.通过将优化模型转化为凸二阶锥规划问题,利用内点法可以得到有效求解.仿真试验表明:算法能够获得任意形状期望旁瓣波束设计的同时,有效提高了波束形成器的输出信干燥比.最后计算机仿真结果证实了算法的有效性和可行性.     

适应空降兵小高炮的数字化改造

以空降兵指挥自动化系统建设为背景,立足现有装备,充分考虑空降兵对武器装备的特殊要求,对适应空降兵小高炮的数字化改造的必要性及总体设计进行了分析研究,并介绍了空降兵数字化改造小高炮的射击指挥及模拟训练.空降兵小高炮的数字化改造,对其适应现代空降防空作战需求具有重要意义.     

谈综合医院分子筛制氧系统消防设计的优化

PSA分子筛制氧是一种新型技术,在综合医院具有广泛的应用前景,但目前国内并没有相应的消防标准对其进行规范。介绍了PSA分子筛制氧系统的组成、工作原理及工作特点,从消防设计审核的角度提出了保证系统正常工作的安全性建议。     

基于时间序列图书借阅的预测与分析

以武警工程大学图书馆2009～2012年的读者借阅流量为基础,基于年、月等时间序列,分别建立了相应读者借阅流量的分布图,对分布规律进行了分析总结,为今后图书馆的管理决策提供了理论依据。     

基于分辨力最优的MIMO雷达布阵优化

在MIMO雷达的分辨力达到最优的基础上,提出了一种阵元配置的方法,从理论上分析了其估计性能,并将其与最小冗余配置下的MIMO雷达在分辨力、估计成功概率、CRB(Cramer-Raobound)、拓扑增益等方面进行了仿真对比,结果表明:与最小冗余配置方法相比,该方法配置下的MIMO雷达在分辨力和估计的CRB下界等估计性能方面更优,更利于在实际中应用.最后,计算机仿真结果验证了方法的有效性和可行性.     

基于遗传算法的多功能电子系统任务调度

雷达、通信、电子战等多功能一体化是未来作战平台电子系统的发展方向之一,任务优化调度技术是多功能电子系统的关键技术。针对多功能电子系统射频任务调度问题,在建立任务调度数学模型的基础上,采用了改进的遗传算法对模型进行了求解,提出了任务列表和随机键结合的编码方式,设计了以执行时间最短和任务丢失率最小为目标的多目标适应度函数,采用轮盘赌选择、改进型双点交叉和对称交换变异方式设计遗传操作。通过仿真实验,验证了所设计任务调度方法的有效性和优越性。     

斜盘发动机热力过程分析与仿真

基于斜盘发动机结构参数,依次建立了其缸内工质状态模型、流率模型和散热损失模型,并对缸内工质质量、内能、压强和温度等热力学参数的变化趋势进行了仿真分析,得到了发动机稳态循环的示功图。仿真结果表明:所建立模型符合斜盘发动机六个热力过程。然后,对示功图进行分析,指出了提高发动机功率的途径。     

高速电弧喷涂高碳钢涂层内聚结合强度的评价

热喷涂涂层的内聚结合强度是评价涂层综合性能的重要影响因素之一,但目前尚缺少评价涂层内聚结合强度的试验研究.针对这一问题,提出基于纯涂层的拉伸试验测量方法:首先采用优化的自动化高速电弧喷涂工艺制备了厚度达8 mm的82B高碳钢厚涂层,使用线切割和磨削方法制备出板状纯涂层拉伸试样,通过测量涂层的拉伸力计算涂层内聚结合强度,同时结合应力-应变曲线和断口形貌特征深入分析涂层的结合机理和断裂行为.结果发现:高碳钢涂层的平均内聚结合强度高达130.9 MPa,远远高于涂层/基体界面拉伸结合强度值,且涂层的拉伸断裂表现为典型的脆性断裂特征.     

利用多时间尺度卷积的视频行为识别网络

基于2D的行为识别网络通常融合多张视频帧的分类结果识别不同的行为,但其在卷积过程中缺少对时空特征提取。针对该问题,基于时间位移模块(temporal shift module,TSM)的思想设计了一组多时间尺度卷积,包含不同设计的卷积核以提取融合不同时间尺度的时空信息。通过控制多时间尺度卷积嵌入ResNet50网络的位置及其模块的参数设置,寻找最优的基于多时间尺度卷积的行为识别网络。使用PyTorch深度学习框架训练模型,在大型开源数据集Something-Somethingv2上进行了实验研究。结果表明,基于多时间尺度卷积的行为识别网络对行为识别准确率达到了59.47%,优于TSM等网络。