后勤规范化管理应把握的四个重点

后勤规范化管理是今后一个时期内武警部队后勤建设的中心任务,是实现总部后勤部党委提出的“实现后勤工作重点转变,向管理要效益”的关键环节。它涉及面广,工作量大,标准要求高。因此,正确把握后勤规范化管理的重点,对于提高规范化管理效益具有重要的指导意义。     

物料混合过程智能仿真软件的研制

以实时智能系统开发软件G2为平台,以一典型的化工物料混合过程为对象,研制了其智能仿真运行软件,运行结果表明,该软件能准确有效地模拟仿该过程的动态操作与运行。这说明,G2是一中较好的智能仿真软件开发工具。所做工作对于研究掌握动态仿真技术和G2智能编程技术具有积极的意义,对于研制较大规模工艺过程的仿真运行软件也具有一定的参考价值。     

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。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

基于博弈论的测控系统作战效能评估

开展测控系统作战效能评估,对分析测控系统适应不同环境、探寻测控作战薄弱环节、科学客观评价不同测控系统的作战性能具有重大意义。通过分析设备固有性能、物品方案成熟度及操作人员素质3个方面,构建了测控系统作战效能评估指标体系;通过指标归一化与聚合方法研究,实现了测控系统多指标作战效能评估体系的构建;运用博弈论,进行了动态测控系统的作战效能评估。结果表明,该方法能够评估测控系统的作战效能,具有一定的指导价值。