无尾舵布局超空泡航行体弹道优化设计

给出了无尾舵布局超空泡航行体在纵垂面内的受力分析及运动方程,建立了变深度机动最优轨迹问题的数学模型。针对空泡扩张与收缩带来的延时效应,提出改进的延时型高斯伪谱法,利用所有高斯节点的运动状态插值获得整个运动过程的状态量,由此得到各个时刻的实时超空泡航行微分方程。通过计算各节点处运动方程约束,对其变深度机动轨迹进行数值求解,得到相应的优化弹道结果及控制策略。对给定布局方案的超空泡航行体下潜机动最优弹道问题进行求解,计算结果表明,采用空化器偏转控制策略,无尾舵布局超空泡航行体可满足运动稳定性与机动性要求,所提出的延时型高斯伪谱法能够处理超空泡航行弹道优化中的延时效应,具有较好的快速收敛性。     

血液中V类毒剂降解产物的提取与分析

采用外标定量法对血液中V类毒剂降解产物的提取与分析进行了系统研究,建立了血液中V类毒剂降解产物的提取与分析方法,回收率均达到了60％以上。方法灵敏度为0．25－1μg/ml,检测限为0．25－1ng,变异系数均小于5％。     

基于高斯伪谱法的弹道跟踪制导律

针对拦截临近空间高超声速飞行器的弹道跟踪过程,设计了一种基于高斯伪谱法的跟踪制导律。为了对标称弹道进行精确跟踪,基于线性二次型跟踪问题,应用最优控制理论推导最优解的充要条件,得到带时变增益的线性状态反馈控制量的表达式;基于高斯伪谱法,在离散的勒让德-高斯(LG)点上利用标称弹道数据计算差分矩阵和系数矩阵,求得状态扰动反馈控制律。仿真结果表明,该方法能够快速、有效的消除跟踪误差,满足在线实施要求。     

网络异构信息的张量分解聚类方法

提出基于张量分解的聚类算法,能够同时处理网络中多类型、多语义关系的异构信息。网络信息体系中的各种异构信息被建模为一个多维张量,异构信息之间丰富的语义关系建模为张量中的元素。提出有效的张量分解方法,将不同类型的信息对象一次性划分到不同的簇中。在人工合成的数据集和真实数据集上的实验结果表明:该聚类方法可以很好地处理网络信息体系中的异构信息聚类问题,并且性能优于现有的聚类方法。     

脑与认知技术发展综述

脑与认知是利用神经形态计算来模拟生物大脑处理信息的过程,被认为是探究甚至实现人工智能的最直接技术路线,而且可以为人工神经网络研究提供基础导向,因为人类和动物"先天"的结构对其技能和习性有着决定性作用。对近期脑与认知的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。综述表明,类脑仿生研究与应用改进了人工智能系统,重建复杂的大脑皮层神经网与回路是当前研究重点;脉冲神经网络被认为是目前深度神经网络的"继承者";脑机接口技术发展呈现非侵入式趋势,面向语言障碍病患实现语音合成的脑机接口技术成为近期新兴研究方向。     

加权模糊C均值聚类算法实现BDS三频组合观测值优选

在对BDS三频载波相位组合观测值进行误差分析的基础上,确定了优选载波相位线性组合系数的筛选标准。针对传统聚类算法在高维多频混合数据集分类中存在的不足,采用一种基于加权的模糊C均值聚类算法,通过对同一维度在不同簇上赋予不同的权重值,对传统遍历搜索法所获得的部分BDS三频载波相位组合观测值进行了优化分类选取,有效解决了传统全球导航卫星系统载波相位观测值选取方法效率低的问题,同时为多系统多频数据组合观测值系数的优化选取提供了一种新的思路。对分类结果进行分析,确定了各类组合观测量的适用范围,并结合实测数据,利用无几何层叠模糊度解算方法对优选组合进行了整周模糊度的解算,结果验证了该方法的可行性。     

基于SDN的分布式无线网络架构及控制器配置策略

基于单一控制器的SDN架构容易导致无线网络性能受到影响,尤其针对高动态无线网络,将大幅降低其健壮性和鲁棒性。鉴于此,提出了一种分布式软件定义网络架构(Distributed Software Defined Wireless Network,DSDWN),该架构是基于完全分布式和分层式SDN思想提出的,包括主从控制器和事件传播系统,在该架构下提出了控制器系统的配置策略和主控制器的选择策略。仿真验证表明,提出的控制器配置策略在时延方面优于贪婪算法和聚类算法,更适合高动态无线网络环境;基于多目标优化的主控制器选择策略,优化了网络链路连接时长、总时延及节点资源,降低了路由开销。     

几个寿命分布类封闭性的统一证明

利用累积失效函数给出失效率递增(减)类,平均失效率递增(减)类,新比旧好(差)类,按失效率新比旧好(差)类和按平均失效率新比旧好(差)类的等价刻画。通过与指数分布的对比,给出了描述这些分布类的等价条件。利用特定函数类的复合封闭性,给出以上分布类在加速寿命系统和协同系统中的封闭条件的统一证明。