FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

模糊需求下保障设施选址-路径模型及算法

针对装备保障过程中被保障单位需求量不确定的问题,在详细分析保障设施选址-路径相关因素的基础上,利用三角模糊数对需求量进行标定。通过运用模糊综合评价与群决策思想确定保障设施备选址点权重,构建时间满意度函数与惩罚成本函数,建立模糊需求下带有时间窗及容量限制的选址-路径模型,并设计了基于聚类分析与蚁群算法的混合启发式求解算法。通过算例分析验证了模型的正确性及算法的有效性。     

船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。     

柔软物体力触觉形变模型验证系统

为了验证柔性物体力-形变模型的合理性,构建了基于CC2531芯片的无线数据收发平台、力传感器测量平台和FALCON手控器位移测量平台的力-形变模型验证系统。以新鲜猪肝脏为实验对象,研究了弹性形变实验和穿刺实验的作用力与位移之间的关系;以力-形变测量数据为基础,进行了参数验证校调。仿真实验结果表明:模型中力-形变特性与实际测量值保持一致。该系统能广泛应用于柔性物体力-形变模型验证,对于促进力触觉虚拟医学仿真系统的发展具有重要意义。     

固体推进剂黏弹性本构模型及其有限元应用研究

基于时温等效原理和WLF方程建立推进剂黏弹性泊松比主曲线方程,进而建立考虑时间温度相关泊松比的推进剂本构模型。基于增量有限元方法,采用完全显式积分算法推导增量形式的黏弹性本构方程。根据MSC. Marc用户子程序编程规则,确定本构模型对应的一致切线刚度矩阵从而实现本构模型的有限元应用。先后通过固化降温以及点火增压工况,分别采用黏弹性泊松比以及弹性泊松比对药柱结构进行应力应变力学响应分析,并对比不同类型泊松比对应力应变场的影响。研究方法和结果可为发动机药柱的精细结构完整性分析提供参考。     

掠飞末敏弹耦合运动动导数计算

以新型掠飞末敏弹为研究对象,提出了基于欧拉转动定理和滑移网格技术的复杂角运动模拟方法,利用著名的罗德里格斯转换矩阵插值求得弹箭在每个时间步的角速度修正值,并指定给球形滑移网格区。通过对非定常气动参数进行求解辨识,分析了不同马赫数下掠飞末敏弹滚转运动对其俯仰组合动导数和升力系数动导数的影响规律。结果表明:所提角运动模拟方法可有效消除姿态角计算的累积误差,实现对弹箭任意给定角运动的准确模拟;弹箭滚转运动对俯仰组合导数和升力系数动导数的辨识结果均存在显著影响,在进行弹箭动导数计算和稳定性分析时需充分考虑俯仰耦合效应的影响。     

鱼雷武器系统作战效能的多指标综合评估模型

从现代海战的特点和要求出发,基于系统性和时效性原则,构建了以固有作战能力、可靠性与维修性、保障性和作战适应能力为主要指标的鱼雷武器系统作战效能评估指标体系,提出了鱼雷作战时效性、控制目标能力、抗拦截能力等新的基本指标,建立了鱼雷武器系统作战效能的多指标综合评价模型.相对于ADC等模型,该模型可以对鱼雷武器系统作战效能进行更为科学、全面的评估.     

基于位置信息的无线传感网络路由改进

基于位置信息的无线传感器网络如果完全采用无状态的方式路由,在某些拓扑结构中存在数据不可到达的缺陷,即死亡点的问题.针对这一问题,将无线传感器网络抽象为一数学模型,在此模型的基础上,给出了问题的数学描述.经分析,提出了一种基于逃离算法的详细解决方案.对算法的性能从理论上分析得出算法没有环路,是正确可行的,而仿真结果也验证了这一点,算法的时间复杂度为O(n).     

一种BP神经网络算法的改进模型

首先对BP网络的结构和算法进行了分析,针对BP网络收敛速度慢,容易陷入局部极小等问题,提出了一种改进的BP网络模型,并对该模型算法进行了改进,通过激活函数的选择,网络的初始化,学习率的调整和训练样本数据的处理等方法,可实现加快网络的收敛速度,并且较好的解决局部最优问题.