以新发展理念引领新发展格局

创新是治党治国之道,也是引领党和国家发展的第一动力.党的十八大报告强调指出,"科技创新是提升社会生产力和综合国力的战略支撑,必须摆在国家发展全局的核心位置".国防科技大学作为军队科技创新的重要有生力量,既要从战略和全局高度把握新发展理念,又要立足具体领域扎实推进实践创新.同时,在推进创新的过程中,要以辩证思维把握新发展...     

驱动线圈匝数对磁阻发射器效率的影响分析

为研究驱动线圈匝数对磁阻发射器效率的影响,首先理论分析电磁力随着驱动线圈匝数的变化趋势,然后基于有限元软件构建磁阻发射器的仿真模型,分析不同匝数下弹丸受到的电磁力和炮口速度,并在驱动线圈为220匝时,得到最大发射效率为13.02%.研究表明,随着驱动线圈匝数的增大,弹丸受到的电磁加速力和电磁制动力都会增大;对于磁阻发射器,存在最佳的驱动线圈匝数,可使磁阻发射器获得最大的发射效率.     

节点非独立失效下的局域网可靠性建模与分析

以具有层次结构的局域网作为拓扑模型,考虑共因失效和关联失效这2类节点非独立失效事件发生的情况,建立了交换机节点失效模型来模拟交换机失效,利用Monte-Carlo仿真算法近似计算出网络的两端可靠性,研究2种共因失效事件和3种关联失效事件对网络端端可靠性的影响。结果表明:因资源节点出现故障和协议层出现错误而导致交换机失效的共因失效事件均会降低网络可靠性,且资源节点失效概率或协议层失效概率越大,网络可靠性越低;而由于使用了热备份技术、堆叠技术以及发生广播风暴导致的关联失效事件,即使节点独立失效概率很小,只要相关因数足够大,故障都会快速传播,导致网络可靠性迅速下降。     

VLMC控制流软件可靠性度量方法

针对现有软件可靠性模型普遍不适用于实际软件的问题,分析了软件内部模块间控制转移机理,通过分离入口模块,提取一阶控制转移概率矩阵;弱化内部模块与出口模块间差异,重构二阶以上转移概率矩阵,在改进Cheung模型的基础上建立一个更符合软件实际的可靠性度量模型。针对变阶依赖（ VLMC）控制转移导致的可靠性度量难问题,通过对导致复杂依赖的多入多出模块进行节点扩展,将VLMC控制流转化为Markov链,利用所建立的软件可靠性模型对VLMC控制流软件进行可靠性度量。研究利用演绎推理对所建立模型进行了正确性形式化证明。最后给出了方法的实例验证。     

美军模块化开放式射频架构探究

模块化开放式射频架构(MORA)通过定义针对多功能任务的开放式架构和RF系统功能分解,实现平台上硬件共享,可降低军用平台上射频系统复杂性以及尺寸、重量和功率,同时提高互操作性和配置灵活性.围绕MORA架构进行了分析和探讨,重点分析了其架构组成和功能分解情况.     

管道机器人在三通处的通过性分析

三通是管道机器人经常遇到的典型障碍之一,克服该障碍的能力用管道机器人在三通处通过性来描述。文中提出一种描述差压驱动式管道机器人三通通过性的数学模型,该模型由一组组合约束构成。通过对约束方程的分析讨论、与管道机器人弯道通过性的对比分析,得出了规律性的结论。管道机器人在三通处的姿态、单元体的几何尺寸、行走轮结构形式对其通过性都有不同程度的影响。所提出数学模型是管道机器人三通自主行走控制策略设计和相应结构设计的理论基础。     

超宽带强电磁防护能量选择表面设计

为应对强电磁脉冲对电子信息系统的威胁,设计了一种具备收发兼容特性的超宽带强电磁防护能量选择表面,有效拓展了能量选择表面的工作带宽和工作频率,可为L、S、C波段的超宽带用频装备提供不低于14 dB的防护效果。该能量选择表面是一种周期结构,每个单元包含一对箭头形结构和一个开关二极管,可根据外界辐照电磁波的能量密度自适应切换反射或透波状态,从而实现强电磁防护与工作信号收发兼容。仿真研究表明,这一新型能量选择表面在L、S、C波段的插入损耗小于1 dB,强电磁防护能力达到22 dB。在波导中对设计的样件进行了性能验证,结果显示,该样件在波导中的平均插入损耗为1 dB,防护能力达到了14 dB,初步验证了设计结构的低插入损耗和高防护特性。     

圆柱形装药驱动轴向预制破片飞散特性

为了增强柱形战斗部轴向威力,在无壳柱形战斗部底面布置单层离散的预制破片.开展圆柱形TNT装药驱动轴向预制破片飞散试验,获得预制破片的最大初速、飞散角等特征参数;运用LS-DYNA软件对装药驱动预制破片过程进行数值模拟,阐述预制破片群飞散过程;对装药驱动整体平板理论计算公式进行改进,获得预制破片的最大初速.结果表明:破片...     

基于深度学习的系统异常检测综述

基于深度学习的系统异常检测可划分为：基于堆栈自编码(SAE)、基于卷积神经网络(CNN)、基于深度置信网络(DBN)、基于循环神经网络(RNN)以及基于生成对抗网络(GAN)等5类系统异常检测方法。为了梳理出当前深度学习技术在系统异常检测应用中所面临的问题以及应对方法,分别对这5种检测方法的建模思想、在系统领域的应用实现以及它们各自的特点进行了对比论述,并对深度学习在系统异常检测领域未来的发展进行了展望。