高炮人-机跟踪系统建模及动态特性分析

本文以某高炮人-机系统为对象,以人的最优控制模型为基础,建立该人-机跟踪系统部分的数学模型,利用计算机求解——即模型预测方法,研究操作者(炮手)在跟踪沿不同航路飞行的空中目标时系统的跟踪误差和动态性能;与此同时研制一套模拟原高炮人-机系统的仿真试验装置,以获取的试验数据做为检验上述模型预测结果和进行全系统性能分析的依据。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

基于深度学习的网络安全预见路径研究

当前,我国正处在由网络大国向网络强国转变的关键时期,网络安全威胁不容小觑。以深度学习为代表的人工智能技术在网络安全领域的应用价值日益凸显,着眼基于深度学习的网络安全预见路径和价值趋向研究,能够从方法论层面有效提高抵御网络安全威胁的主动性和针对性,实现由"被动防御"向"主动预见"的网络安全战略升级转型。文章探讨相关概念内涵,提出"数据预判—技术预测—战略预见"的网络安全预见逻辑路径,并对深度学习技术在网络安全预见领域的应用前景进行探讨,从技术的融合渗透、开源共享、要素协同治理等方面阐释了网络安全预见的价值趋向,通过理论分析论证深度学习技术对提升网络安全预见力的重要作用。     

南海海洋环境对岛礁工程结构与设施影响研究

新建的南海岛礁工程在运营过程中将面临诸多维护方面的问题,进行科学的工程维护需要工程基础研究的支撑。本文分析了现有研究中海洋环境对岛礁工程结构与设施带来的影响,主要集中在以下三个方面:一是普通混凝土、珊瑚礁混凝土与金属结构在海洋环境的腐蚀与防治问题;二是由珊瑚岛礁地质及钙质砂特性带来的人造岛礁地基稳定性问题;三是台风、地震和海啸等极端荷载对岛礁工程的影响问题。随后,针对南海岛礁工程结构与设施在运营维护过程中可能出现的亟待解决的实际工程问题,文章给出了部分参考意见。     

基于HHT的旋转机械故障机理仿真分析研究

为解决预测和健康管理（prognostic and health management, PHM）系统对关键部件故障机理研究不足的问题,提出一种基于希尔伯特-黄变换（Hilbert-Huang transform, HHT）的旋转机械故障机理仿真分析方法。首先对战车转塔轴承的工况和故障机理进行分析计算,然后对振动数据进行去噪和仿真,最后将仿真结果与理论计算结果进行对比分析。通过故障仿真分析验证了故障机理分析方法的有效性,可为实现武器装备故障的精准诊断奠定基础,提高故障诊断预测的准确性和稳定性。     

基于预测碰撞点带落角约束的导引律设计

为提高导弹导引精度,增强对落角的控制,针对带倾角运动的目标,推导了攻击运动目标带落角约束的偏置比例导引律。通过在偏置项中加入导弹-目标的相对运动状态,实现对带倾角运动目标指定角度攻击;考虑到导弹带落角约束攻击运动目标时传统剩余飞行时间估计精度不高的问题,通过对弹目碰撞点的预测,在推导的导引律基础上设计了基于预测碰撞点的剩余飞行时间估计方法。仿真结果表明:在不同的落角约束下,设计的基于预测碰撞点的剩余飞行时间估计方法估计精准;推导的攻击运动目标带落角约束的偏置比例导引律攻击精度高,对落角控制强,过载分布合理。     

基于SVR的飞行学员培养效果仿真

研究了飞行学员培养效果与训练内容、训练时次的关系是进行课程优化的前置工作,针对实际工作很难对训练计划的阶段训练效果进行预测,缺少必要的工具对飞行学员经过阶段性培养后应达到的水平进行定量化描述,在运用层次分析法对近3年飞行学员能力评定的基础上,利用支持向量机回归预测方法,构建了飞行学员培养效果预测模型,并利用MATLAB进行了验证,可为飞行学员训练效果预测提供技术参考和研究方向。实例表明,与常用的BP神经网络预测方法相比,所提出的支持向量机回归预测方法在训练效果预测精度上具有明显优势。     

基于MPC和ESO-DO的四旋翼轨迹跟踪控制

针对扰动作用和模型不确定性下四旋翼无人机精确轨迹跟踪控制问题,提出了一种主动干扰抑制和模型预测控制(Model Predictive Control, MPC)策略。模型预测控制器通过扩张状态观测器(Extended State Observer, ESO)和扰动观测器(Disturbance Observer, DO)来估计和补偿干扰,从而实现位置环精确控制。在存在外部干扰和参数不确定性的情况下,通过仿真实验,证明了所提出的方法提高了对建模误差和干扰的鲁棒性,同时实现了对参考轨迹的平滑跟踪。     

基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。