冷阴极高阻抗相对论速调管放大器的模拟研究

采用粒子模拟软件,建立了冷阴极发射实心束的高阻抗相对论速调管放大器模型。该模型由1个带屏蔽环的二极管,5个简单药盒型谐振腔和1个锥形收集极构成。为了给具有高效率的高阻抗相对论速调管提供实心束,同时实现设备的简单化和紧凑化,采用冷阴极取代传统的热电子枪,不仅易操作而且大大降低能耗和经费。在传统二极管阴极侧面引入屏蔽环,利用屏蔽极大地提高电子束阻抗,同时屏蔽环的位置和形状能明显降低非发射区的场强,并且有效改善阴极端面发射的均匀性。在束波互作用区,通过依次调节末前腔和输出腔的位置并结合导引磁场的大小对输出的微波进行优化,结果表明:在二极管发射电压525k V、电流328A的实心束及外加磁场0.35T的条件下,当注入功率为1k W时,在11.424GHz的中心频率处获得了功率81MW,效率47%,增益49d B的微波。     

软件漏洞分析中的脆弱点定位方法

针对二进制程序漏洞成因复杂难以分析的问题,提出运用污点分析的软件脆弱点定位方法,并实现了一个工具原型Sword Checker。以动态污点追踪为基础,依据漏洞模式通过特征匹配来定位软件中的脆弱点,运用二分查找定位影响脆弱点的敏感字节。实验表明,使用Sword Checker能够精确快速识别定位软件中三种类型的脆弱点,已成功分析了多个已公开漏洞的成因,并已辅助挖掘出几个未公开漏洞。     

对Ad Hoc网络通信干扰的可行性分析

依据复杂网络理论,建立了有限规模BA无标度网络模型来分析Ad Hoc网络,为进一步分析对其实施通信干扰的可行性打下结构基础。依据所建模型的拓扑结构,建立了通信干扰方程,探讨了通信干扰可能对Ad Hoc网络带来的影响。最后提出节点势能的概念,分析了通信干扰条件下Ad Hoc网络的效能,证实了实施通信干扰的实践可行性。     

反辐射导弹告警技术效能分析

基于反辐射导弹告警技术的原理,分析了反辐射导弹雷达告警技术和光电告警技术的可行性。定义了告警设备的抗电子摧毁因子,并给出了分析过程和计算模型。以命中概率为指标,对反辐射导弹告警技术的作战效能进行了分析研究。仿真得出反辐射导弹命中概率与告警设备告警距离、发现概率等参数的关系,可为反辐射导弹告警技术的研究提供一定的参考。     

局部信息下的装备维修保障力量网络演化模型

针对现实中仅已知装备维修保障力量系统部分信息的状况,借鉴复杂网络思想,在对装备维修保障力量活动进行网络化抽象的基础上,提出了一种局部信息下的装备维修保障力量网络演化模型。同时,以一种参数可以灵活设置的动态演化模型代替真实的装备维修保障力量作为仿真对象进行研究分析,探讨了3种不同选择概率下随仿真时间变化的各项网络指标,这些指标值验证了装备维修保障力量网络的无标度特征以及小世界特征。     

车辆悬挂复合式电磁作动器设计及试验

为缓解电磁悬挂系统振动控制与能量回收之间的矛盾,提高工作可靠性,提出了一种基于电磁减振技术和磁流变阻尼技术的复合式电磁悬挂系统结构方案,并设计了基于无刷电机和磁流变阻尼器,集主动、半主动控制和馈能功能于一体的复合式电磁作动器,同时对复合式电磁作动器的主动出力、变阻尼以及馈能特性进行了试验研究,结果表明:该作动器主动出力范围大,阻尼调节范围宽且馈能效率较高,满足车辆悬挂应用要求。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

结合多视角学习与一致性表征的人脸伪造检测

现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

应用局部约束二维稀疏表示识别SAR图像目标

在分析典型稀疏表示分类方法和局限性的基础上,提出了一种基于局部约束的二维稀疏表示方法,以有效解决SAR图像目标识别问题。该方法对SAR图像进行图像预处理,在兼顾图像相邻列(行)对应稀疏表示系数邻近性和样本间局部性的基础上,构建了局部约束目标函数,并通过解闭式解,实现稀疏表示系数的更新求解。利用美国实测MSTAR数据对算法进行了仿真验证,实验结果表明所提出的方法可实现SAR图像目标的有效识别,并对训练样本数目具有一定的鲁棒性。