基于复杂排队系统的三值光学计算机服务模型与性能分析

三值光学计算机的运算请求处理过程缺乏合理、系统的性能评价标准与体系。基于M/M/1、M/M/n、M~X/M/1和M/M~B/1构成的复杂排队系统,构建三值光学计算机的四阶段服务模型,同时建立立即调度和结束时调度两种策略和算法。基于不同排队系统讨论运算请求的接收时间、预处理时间、运算时间和发送时间的计算方法,进而得到最终响应时间。通过仿真实验对两种策略的模型进行验证,结果表明,结束时调度策略明显优于立即调度策略。     

平台姿态误差对TDICCD相机成像几何质量的影响

研究卫星平台姿态误差对TDICCD相机成像几何质量的影响有助于提出姿态指标设计要求以提高相机几何成像质量,以像点位移为中间参量,研究平台姿态误差和成像几何质量指标之间的定量关系。基于平台姿态误差引起的像移速度、偏流角和积分时间等成像参数误差分析,结合严密几何成像模型推导像点位移的误差模型,建立从像点位移量到相邻像元间角度畸变、长度畸变、像元分辨率和定位误差等几何质量指标的定量模型,构建从平台姿态误差到相机成像几何质量指标的完整定量分析链路。仿真实验结果表明,偏航角姿态误差是影响成像几何质量的主要因素。     

评估飞控系统的风洞虚拟飞行试验系统与关键技术

为向开展具体的风洞虚拟飞行试验技术提供引导,针对应用于飞控系统评估的风洞虚拟飞行试验系统及关键技术进行了分析。基于传统意义上的飞控系统评估方法的不足,分析风洞虚拟飞行试验应用于飞控系统评估的优势;按飞控系统常用的姿态控制回路及制导控制回路的组成形式,介绍风洞虚拟飞行试验系统方案与工作原理,详细分析它与半实物仿真系统的差异;分析风洞虚拟飞行试验应用于飞控系统评估需解决的关键技术问题,包括风洞虚拟飞行试验评估方法、飞行器模型设计技术、飞控系统改进技术及模型支撑技术。     

发动机冷却燃料超临界压力下做功潜力㶲分析

在高马赫数飞行下,超燃冲压发动机的燃料冷却量大于燃料燃烧量。为了降低燃料的冷却量以及实现燃料冷却量和燃烧量的匹配,采用分析法对超燃冲压发动机壁面燃料冷却工质在超临界压力下进行做功潜力分析。发动机壁面冷却燃料的特性决定其热量大小。根据发动机壁面温度分布、热流密度分布计算热量,建立稳定流动燃料工质的平衡方程。结果表明:在壁面最高温度为1200 K时,传入壁面的热量为562.4 k W,其中理论热量为541.3 k W;冷却燃料工质流量增加,最大输出功减小;燃料工质出口温度增加,输出功减小;燃料工质出口压力增加,输出功基本不变。     

墨家思想对守护网络空间安全和平的启示

墨家思想就是中华传统文化和思想宝库中的重要代表,其倡导的"兼爱""非攻""备御""尚贤"等思想为后世所传承发展并借鉴利用。网络空间国际关系的协调和安全环境的治理,是当前国际上探索和研究的重点,我国应为其贡献中华民族的智慧,墨家思想的精髓可以为我们更好地认识网络空间发展规律、国际关系并维护好网络空间安全和平提供借鉴启示。     

战区军事职业教育培养联合军官存在问题及建议

发展战区军事职业教育培养联合军官,是加强联合作战指挥人才建设、实现军事人才现代化、推进联合作战指挥体系建设的重要内容。文章针对当前面临的矛盾问题,围绕加快发展战区军事职业教育、下大力培育联合军官提出了顶层设计、优化内容体系、拓宽实践渠道、激发队伍活力。     

关于构建空地一体战场区域导航系统

受美军开展战场区域导航系统研究的启发,思考分析了我国北斗卫星导航系统面临的军事威胁和固有脆弱性,建议有必要基于伪卫星技术构建空地一体战场区域导航系统,以此作为北斗卫星导航系统在区域范围内的备份系统,并基于有人机控制无人机协同作战的理念阐述了系统的组成构想和行动构想,分析了系统的相关关键技术。     

湖南军民融合机制建设的现状、问题与对策

构建科学、完善的军民融合机制是推动军民融合由初步融合向深度融合的突破与跃升的关键。就现状来看,湖南省军民融合前期基础较为扎实,思想观念仍相对滞后;配套机制建设初见成效,协调与运行机制尚不完善;地方纲领性政策基本形成,法规与标准体系有待健全。要实现湖南省军民深度融合的目标,需进一步更新推动军民融合发展的思想观念,完善保障军需、兼顾民用的协调与运行机制,健全有利于军民融合发展的约束与保障机制。     

对装备可计量性的思考

本文在提出可计量性的定义与对可计量性理解的基础上,梳理了可计量性与装备"五性"的关系,分析了可计量性研究对计量保障的作用,以及可计量性在武器装备全系统全寿命周期中的作用,并对如何开展在研和现役武器装备的可计量性研究提供了思路。     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。