火箭-双燃烧室冲压组合循环发动机概念研究

临近空间高超声速飞行器近年来获得了广泛关注,本文提出一种以基于火箭发动机和双燃烧室冲压发动机的多模态火箭-双燃烧室冲压组合循环发动机作为飞行器的动力系统,并进行了性能分析研究。该飞行器在海拔10 km左右高度以0.8马赫的速度投放,在重力和发动机推力的联合作用下,能够在海拔5～8 km处加速到2马赫;然后加速爬升进入临近空间,发动机工作在引射亚燃或者双燃烧室亚燃模态下。可以根据实际选择高推重比、较低推进剂比冲效率的引射亚燃模态,或是较低推重比、高推进剂比冲效率的双燃烧室亚燃模态。最终飞行器加速到6马赫(26 km),进入双燃室超燃模态。针对空中发射模式和地面发射模式进行了轨道优化,仿真结果表明:在加速爬升到6马赫(26 km)的过程中,空中发射模式相比较地面发射模式可以节省37%的推进剂;空中发射模式存在一个负的最优初始飞行角度使得剩余质量与初始质量的比值达到最大。     

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。     

车载综合电力系统动态重构及其功率流控制

随着陆战平台全电化技术的加速发展,战斗平台大功率用电负载不断增加,电能需求急剧上升,且不同负载驱动特性迥异,对车载综合电力系统的供电性能与负载适应性提出了苛刻要求。针对上述问题,探讨了一种车载综合电力系统动态重构方法,利用系统内部各装置、部件组合重构,构建出适应不同应用环境的多种工作模式;在此基础上,设计了工作模式层次化状态集,提出了基于有限状态机的工作模式转换与功率流动态控制方法,将其应用于工程实践。装车试验结果表明:系统模式转换灵活,冗余度高,动态重构能力强,负载适应性好,可为高适应性车载综合电力系统研究提供参考。     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

单相自激异步发电机恒压输出和负载能力研究

单相自激式异步发电机的研制在国内外一直是一个热课题,但困扰异步机作发电机使用的主要问题是输出电压不稳和带动态负载能力研究,本文对单相自激式异步发电机研制过程中的这两大关键技术难题进行了研究和探讨。     

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。