内可逆卡诺热泵的生态学优化性能

本文导出了内可逆卡诺热泵的供热量、供热率和供热系数的耗散量,以反映热泵供热率π与其耗散φ_cT_Lσ,即热泵熵产率σ、低温热源温度T_L和可逆供热系数φ_c乘积之间最佳折衷的“生态学”性能E=π-φ_cT_Lσ为目标,基于牛顿和线性唯象传热定律,研究内可逆卡诺热泵的优化问题,得到最大E性能时的供热系数界限及相应的供热率和熵产率。     

Q∝T~n时不可逆卡诺热泵的最优性能

非线性传热条件下的内可逆卡诺热机最优性能有了一些讨论,本文将导出不可逆卡诺热泵工作于非线性传热 Q■条件下,最佳供热系数д与泵热率π的关系。据此可确定任意泵热率时所对应的供热系数界限。最后,讨论了这一关系的一些应用,所得结果包含了经典热力学及内可逆线性传热情况下的有关结论,为实际热泵设计提供新的理论依据。     

实现任意全极点有界实函数的低灵敏度SCF的状态空间法

1 引言 Leapfrog sCF具有低灵敏度特性。但在低通情况下,由于开关电容模拟输人电阻的近似性,使得Lcapfrog scF的灵敏度特性变差二。文献[2贻出了设计低灵敏度scF的状态空间法,描述了满足低灵敏度和零灵敏度的矩阵条件,·但未给出寻求满足一定条件的变换矩阵的系统方法。本文在文献口汹基础上,导出了具     

用非线性规划求解有限推力最优交会

利用非线性规划方法研究了航天器的有限推力最优交会问题。这种方法利用了近年来发展起来的直接优化技术,用分段多项式来表示整个轨道的状态和控制向量,将最优控制问题转化为非线性规划问题。在应用这种方法时,先将整个轨道分为若干推力段和无推力段,然后利用配置方法产生推力段的约束段,利用状态转移矩阵来产生无推力段的约束。最后,对共面轨道情况下的交会进行了数值仿真,验证了方法的有效性和鲁棒性。     

一种面向无人侦察机的通信受限干扰源跟踪方法

复杂战场环境中无人侦察机对干扰源的跟踪面临着信号干扰能量强、干扰源数量多、信道容量受限制、通信信道被攻击等难点。为提升无人侦察机对干扰源的跟踪能力,提出了一种从测向直接到跟踪的两段式干扰源跟踪方法。首先,对干扰源的动态、无人侦察机集群的观测模型和信道模型进行建模;其次,阐述了基于集贝叶斯滤波器的从测向直接到跟踪的两段式干扰源跟踪方法,通过规避定位过程,减少跟踪误差;再次,对通信受限信道模型进行了建模,并将其引入到所提出的方法中,实现了对通信受限时干扰源跟踪的一体化表征及求解;最后,采用仿真实验验证了所提方法的可行性与优越性。研究可为无人侦察机对干扰源的跟踪提供新思路。     

ASLR机制脆弱性自动分析方法

地址随机化是一种针对控制流劫持漏洞的防御机制。已有的漏洞自动分析与利用技术缺少对地址随机化机制影响的分析,导致生成的测试用例在实际环境中的运行效果受到极大限制。针对地址随机化的缺陷及其绕过技术的特点,提出了一种地址随机化脆弱性分析方法。该方法使用有限状态机描述程序运行路径中各关键节点的状态;针对常见的内存泄漏与控制流劫持场景建立约束条件;通过求解内存泄漏状态约束与控制流劫持状态约束的兼容性,分析地址随机化机制在特定场景下的脆弱性。实验结果表明,该方法可有效检测通过内存泄漏导致的地址随机化绕过及控制流劫持攻击,实现自动化的地址随机化脆弱性分析,提高针对软件安全性分析的效率。     

基于位置预测的靶场图像实时判读方法

在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter, KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection, TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。     

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。     

深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。