自主可控信息系统军民融合式发展的探索与实践

<正>以军用技术为基础开拓民用市场,以民用产品为牵引拉动技术创新能力,建立循环创新机制,构建具备国内领先创新能力、有较大经营规模、专业配套齐全、市场辐射广泛的产业体系,借助自主可控计算机产业发展机遇,将七〇六所打造成为国内一流的信息技术企业,成为国内主流的自主可控计算机设备供应商、自主可控计算机应用系统集成商、应用软件迁移、运维服务商。利用强大的民品积累推动技术革新,促进军品产业的发展,开创七〇六所军民融合信息化发展的新篇章。     

大力推进全军政工网创新发展

当前,大数据、云计算、移动互联网等新技术不断涌现,军队信息网络建设迎来难得发展机遇,要把全军政工网打造成官兵的精神家园、战斗力生成的沃土,迫切需要紧盯互联网发展新理念新技术新应用,树立“互联网思维”,运用大数据创新,加大移动化建设,重视可视化趋势,扩大在线教育规模,以改革的精神、创新的思维,把握好政工网的发展方向,设计好阶段性建设目标.     

轨式发射装置振动疲劳寿命估算方法研究北大核心

针对轨式发射装置受力环境的特殊性,研究了结构的振动疲劳寿命估算方法。提出了一种实测相关部位数据、有限元仿真与三带宽法相结合的估算方法,克服了无法获得关键点实测数据,无法准确模拟带间隙振动响应,进行长时间振动疲劳试验等缺点。疲劳寿命估算结果与试验结果吻合较好,表明该方法可行,可用于估算类似结构的振动疲劳寿命。     

着力加强高分遥感应用产业推广 促进高分专项军民融合深度发展

高分辨率对地观测数据是国家的基础性和战略性资源。随着应用领域的拓展,高分专项将进一步聚焦经济建设、社会建设、生态建设等重大需求上来,实现从创新链到产业链的过渡,实现更广泛、更深入、更彻底的资源共享从2010年高分专项启动实施以来,已经成功发射具有2米分辨率全色/8米分辨率多光谱光学成像能力的高分一号卫星和具有1米分辨率全色/4米分辨率多光谱光学成像能力的高分二号卫星,获取了大量的高分辨率对地观测数据,在国土、农业、环保等领域发挥了重要的作用。     

面向大规模地理矢量线数据的多层级实时可视化技术

针对主流方法难以满足多层级实时可视化的需求,提出面向大规模地理矢量线数据的多层级实时可视化技术。建立面向多层级瓦片绘制的自适应可视化模型,设计像元四叉R(pixel quad R, PQR)树空间索引和基于PQR树的自适应可视化算法,分别用于支撑模型的数据组织和可视绘制。在10亿规模数据集上的实验表明：该技术在0.57 s内可计算任一层级上的可视结果,并且计算耗时大幅小于主流方法。当数据规模急剧增长时,该技术在各显示层级上仍具有较好的可视性能,最低可视速率超过100张/s,大幅优于主流方法。该技术在单机条件下即可支撑大规模地理矢量线数据的多层级实时可视化,在空间大数据探索分析领域具备较好的应用前景。     

基于大数据的时空环境分析模型框架设计与验证

在时空环境分析模型分类研究的基础上,设计基于大数据的时空环境分析模型架构,实现面向辅助决策的时空环境分析系统,并以某溃坝淹没分析模型为例进行试验。试验结果表明所提基于大数据的时空环境分析模型框架的可行性和有效性,对提升时空环境分析量化计算水平和工作效率具有一定的指导意义。     

基于控制器动态线性化的数据驱动ILC

针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。     

军人心理档案信息化初探

信息技术在档案管理领域的广泛应用,深刻改变了传统军人心理档案的保存状态和利用模式,“军人心理档案信息化”是未来军人心理档案建设的重要内容和主要方向,对军人心理档案的基础设施、资源开发、信息采集、安全标准等提出了新的更高的要求,需要我们认真研究思考。一、夯实软硬件基础设施建设是军人心理档案信息化的基础软硬件基础设施建设是军人心理档案信息化的物质条件,是军人心理档案信息开发利用和信息技术应用的基础。     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。