网络中心战概念及其体系结构模型

介绍了美、英、澳等军事大国在网络中心战领域的研究状况,阐释了制信息权的概念,给出了网络中心战的定义.分析了美军在<2020年联合构想>中确认的核心作战概念,详细阐述了网络中心作战的顶层概念框架及顶层概念到第二层的映射关系.介绍了网格技术,提出了网络中心战网格模型的立体结构和平面结构,最后总结了对这一领域研究的重要意义.     

基于HLA的军事信息系统网仿真体系架构研究

分布式仿真系统的体系架构对于整个系统的功能实现和运行性能起着决定性的影响,为能充分利用仿真系统测试和评估军事信息系统网的性能,该文首先介绍了军事信息系统网(Military Information System Network:MISN)的组成和特点,并在分析基于数据库的仿真系统和基于HLA(高层体系架构)单联邦仿真系统局限性的基础上,得到了基于HLA的军事信息系统网分布式仿真多联邦体系框架,实现了联邦间功能转换所需的桥接联邦.该体系框架较好地完成了多通信网系的分布式交互仿真.     

美国陆军网络装备作战评估及启示

作战试验能有效地推动装备体系的建设发展,本文通过分析美国陆军网络集成评估与联合作战评估的作战试验特点,提出军队开展装备作战试验的几个建议。首先,总结了美国陆军网络集成评估到联合作战评估的发展演变,主要包括网络集成评估的地位和作用、网络集成评估的实施流程以及13次网络集成评估和3次作战评估的有关情况;其次,分析了网络集成评估的一系列作战试验特点,诸如实际作战需求牵引、逼真场景构建、试训一体化模式、部队战斗力的直接生成以及作战能力的军民融合式发展等;最后,提出了网络集成评估带来的若干启示,从满足实战能力需求开展作战试验、突出装备体系的互操作能力评估、探索试训结合的作战试验模式、组建专门的作战试验部队及鼓励工业部门参与作战试验等方面推动军队作战试验的发展。     

软件定义的航天器测试网络技术

航天器测试网络是航天器自动化测试运行、测试数据监测分析等测试业务运行的信息通道,它的性能将极大影响航天器试验测试效率与试验数据的应用效能。针对传统航天器测试网络存在的物理独立部署、人工迁移、存在数据孤岛以及无法高效交换共享的不足,本文参考借鉴软件定义网络技术,设计了基于虚拟局域网及软件定义网络技术的软件定义航天器测试网络。该测试网络技术具备良好的软件重构、区域隔离、测试信息汇聚共享性能,能够通过软件重构,自动化迁移部署航天器测试网络;通过网络区域逻辑隔离,确保各航天器测试指令运行区域受控、安全;通过全局测试数据汇聚实现多航天器测试数据的交换共享,从而有效解决了航天器测试网络快速部署、测试指令安全运行与测试数据交换共享的问题,有力推动了装备试验数据工程的建设工作。     

基于CGN的战术通信网模拟训练研究

为满足战术通信网及其装备模拟训练对组网环境的需求,基于CGF思想,提出了计算机生成网络(Computer Generated Network,CGN)的概念。在此基础上,设计了CGN的原理框图,提出了一种基于CGN的组网模拟器的实现框架,并设计基于CGN进行战术通信网模拟训练的组织模式,提出了战术通信网模拟训练的新方法和新思路。     

网络中心战中的协作及其量化模型研究

协作是网络中心战的原则之一.协作的概念及其量化模型是目前网络中心战研究中的一个热点.在详细解释了信息时代中协作的概念基础上,分析研究了协作的维以及网络中心战中的信息域和认知域的协作,指出协作既有利也有弊.进而,将协作的影响简化为协作对完成作战任务的时间上的影响.利用信息熵量化了协作带来的"正影响",利用Logistic方程量化了协作带来的"负影响",综合这两种影响给出了简化的协作量化模型.最后指出了该模型适用于量化诸如防空作战中的协作等时间关键的协作.     

基于OPNET的战场IPV6通信网络拓扑设计及仿真

为了对IPv6与IPv4共存期间进行可靠通信提供技术上的参考,基于OPNET仿真平台,设计了几种不同的战场IPv6通信网络拓扑,强调了其特点和关键技术,突出了其仿真的主要参数配置,并通过分析仿真数据,对网络的有效性、实时性、可靠性等性能参数进行了评估,从而验证了所设计拓扑的可行性.     

战场通信网络消息处理模型研究

针对战场通信网络建模需求,基于 EBI建模框架,提出了面向实体的战场通信网络建模方法,探讨了战场通信网络实体模型的组成结构.重点分析了战场通信网络消息处理模型的作用和功能,给出了消息处理模型的仿真工作流程,对消息处理模型中的消息列表、通信事件列表、网络路由算法进行了阐述,并结合通信节点实体模型中的消息缓冲器,探讨了消息处理模型管理和维护通信事件列表的方法.     

基于神经网络的专家规则推理系统

本文将专家在平衡—模拟倒摆小车时记录下来的数据经处理后，用监督式学习的方法训练一前置式神经网络。训练后的神经网络派生出了一组专家尚未意识到或者表达不出来的规则，并将该规则构造的专家系统控制器与使用Ｑｕｉｎｌａｎ的ＩＤ３算法推导出的规则构造的专家系统控制器进行比较。实验结果表明，神经网络算法学习出来的规则较ＩＤ３算法推导出的规则更为有效，且更有应用价值。本文成功地将该规则应用于火箭的姿态控制，一类似倒摆小车的问题。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。