元任务插入的多星成像侦察任务聚类启发式算法

在多颗卫星协同执行侦察任务时,多星成像侦察任务聚类能够提高多颗卫星的整体侦察效率。根据卫星成像侦察元任务之间的聚类关系及约束条件,建立了数学规划模型,并提出了模型求解的基于元任务插入的启发式聚类算法,最后结合实例验证了算法的有效性。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。     

VNS和SA相结合的指挥控制资源部署

针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。     

一种新型模糊神经网络及其在故障诊断中的应用

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法.该方法先使用模糊c-均值聚类算法(FCM)实现测量空间的模决分割以决定模糊规则的个数,再使用模糊IF-THEN规则对分割后的各区域分别采用局部BP模型去进行逼近,最后再通过离线学习以获得不同区域故障输出与测量输入的非线性动力学特性.应用表明,提出的模糊神经网络结构、原理及实现方法是合理可行的,经过离线学习后的网络可实现对非线性系统的在线实时状态跟踪和诊断,可提高故障检测的正确率和快速性,并具有较好的泛化性能.     

基于多Agent协作的战场信息共享系统研究与实现

针对联合作战中分布、动态的战场环境和海量的战场信息,满足不同作战实体对战场信息资源共享的需求,构建了一个基于多智能体的、面向作战任务的信息资源共享模型,并提出了一种新颖的基于相似度的用户动态聚类方法。从用户的资源请求中发现用户兴趣和用户之间的相似度,通过交互机制有效地将相同兴趣的用户及资源智能体关联起来,提高作战主体获取战场信息的能力。实验证明该算法具有较高的效率和良好的可扩展性。     

连续碳化硅纤维制备工艺的基础研究

针对先驱体转化法制备SiC纤维工艺中存在的一些实际问题进行了分析和研究。探讨了初始原料PDMS中杂质氧的来源;用丙酮对PCS进行沉淀分级研究,并在此基础上对PCS进行后处理;研究了PCS纤维不熔化工艺中升温制度对不熔化结果的影响;探讨了快速烧成方式的可行性。结果表明,PDMS中氧含量偏高主要是由于合成PDMS过程中发生了引入氧的副反应。随着沉淀分级的次数增加,PCS级分的纯度提高,可纺性明显改善。不熔化处理的升温速度不宜过快,否则会引起急剧放热和过度反应。快速烧成法可以实现SiC纤维的加张和连续化生产。     

广距空间及其不动点定理

本文用一种可交换、可结合和单调不减的二元运算取代通常距离空间的三角不等式中的求和运算,建立了一种广义距离空间,简称广距空间;研究了这种空间的拓扑结构,给出了它的完备化定理;并在相当广泛的条件下建立了完备的广距空间上的压缩型映象的不动点定理.     

高含钛量碳化硅纤维的研制

本文采用一种聚钛硅氧烷与聚碳硅烷反应,制得了Ti/Si摩尔比为0.10的聚钛碳硅烷。该聚合物具有良好的成丝性与稳定性,经熔融纺丝,再经不熔化处理后,在氮气气氛保护下1300℃热处理后制得了高含钛量的碳化硅纤维。文中对聚钛硅氧烷的合成与结构,它与聚碳硅烷的反应过程及聚钛碳硅烷的热分解特性进行了分析与研究。