基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。     

多管火箭武器储运发射箱长期储存蠕变性能预测

为探究火箭武器储运发射箱长期储存的蠕变性能,制备复合材料层压板并开展单轴拉伸蠕变试验,获得了单向纤维复合材料主方向的蠕变本构模型参数。采用有限元方法并借助用户自定义材料子程序建立储运发射箱长期储存蠕变的数值分析模型,预测了堆码储存15年后底层发射箱的蠕变变形。以储存后的发射箱作为初始状态建立弹管耦合发射动力学仿真计算模型,进一步分析蠕变对火箭弹发射过程的影响。仿真结果表明:蠕变引起的定向器平行度和发射箱底面平面度的变化均小于技术指标规定值,定向器束的最大残余变形在三维空间内呈马鞍状分布,上、下两行中间位置定向器的变形最大,左、右两列中间位置定向器的变形最小。定向器蠕变变形使得弹管间隙减小,火箭弹在管内运动使弹管之间的动态接触碰撞力增大,离轨速度降低。     

基于编码的加密体制综述

量子算法的提出,使得传统的密码体制在量子计算下不再安全。基于编码的加密方案具有抗量子攻击特性,引起密码学界广泛关注。许多密码学者对基于编码的加密方案进行深入研究,在研究过程中,人们对其加密方案的优势和缺点逐渐有了深刻的认识。目前,基于编码的密码体制已成为后量子密码学最有前途的方案之一。综述了基于编码加密体制的发展现状,阐述了现有基于编码的加密体制和目前已知存在的攻击,并指明了未来具有潜力的发展方向。