机动目标建模及机动检测算法

为解决机动目标跟踪问题,建立了非机动(匀速直线运动)和机动目标当前统计两种动态模型,并对机动目标当前统计模型的输入控制的估计进行了适当改进.同时对非机动模型的观测残差和机动模型的输入估计进行检验,以便准确检测目标机动.     

SpaceWire网络混合路由机制设计

针对星上系统总线多元性导致的星载网络接口和协议不能标准化的发展瓶颈,基于SpaceWire总线协议,通过将静态路由(时间触发)与动态路由(事件触发)机制结合,实现了控制数据和载荷数据共用网络。静态路由完全遵循SpaceWire-D协议,在保证确定性传输的同时,通过启发式调度算法首次实现了多时间窗并行调度,并提出利用最大公约数法设计时间窗,以提高网络吞吐量;动态路由通过对随机事件和载荷数据分配优先级,实现传输路径冲突时对紧急任务的优先处理。在OPENT中搭建网络系统仿真模型,对所提出的路由机制进行了仿真。实验结果表明,静态路由时段网络吞吐量较现有调度算法有明显提高,动态路由实现了紧急事件优先传输。     

惯性效应对电主轴动态性能的影响

为分析高速电主轴轴承-转子系统的动态特性,利用有限元分析方法和Timoshenko梁理论,建立考虑离心力和陀螺力矩等高速惯性效应和系统阻尼的电主轴转子系统动力学模型;并以120MD60Y6型号高速电主轴为研究对象开展模态试验,获取系统不同工况下的固有频率。研究结果表明:离心力除了造成轴承支承软化外,还会造成转轴软化,且转轴软化是造成主轴系统固有频率下降的主要原因;陀螺力矩会将主轴系统每阶固有频率分为前后两个模态,且前后模态随转速变化的规律不同。仿真结果和试验结果吻合较好,这表明所建模型能够准确预测高速电主轴动态性能。     

战场抢修任务动态调度的研究综述

迅速高效地实施战场抢修任务动态调度,是实现战时抢修力量任务区分和指挥控制的重要内容之一。从基础研究、法规制定、队伍建设、抢修训练等8个方面对战场抢修的国内外研究现状进行了归纳分析;从应用情况、求解思路、求解方法 3个方面对任务动态调度进行了梳理综述;对战场抢修任务动态研究提出了建设建议和发展方向,为后续解决战场抢修任务动态调度问题提供了方向指引。     

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。