航空时敏制导炸弹增程弹道组合优化设计

为增强航空时敏制导炸弹在中制导段的滑翔能力,将极小值原理与自适应进化粒子群算法相结合,提出了一种适用于航空时敏制导炸弹增程弹道的组合优化设计方法。基于纵向平面内质心运动模型,推导了性能指标泛函及各不等式约束函数。引入Lagrange乘子矢量并建立相应的Hamilton函数实现无约束泛函极值问题的转换,推导出兼顾各优化目标函数的满意优化模型。利用自适应进化粒子群算法对该段增程弹道进行了攻角与弹翼张合档位双设计变量的组合优化。数值仿真算例表明,在满足状态方程约束的条件下,双变量的增程效果比常规单变量控制时显著提高,其优化结果可为制导炸弹弹道规划设计的研究提供一定的理论参考。     

火箭弹卷弧尾翼的轻量化研究

针对火箭弹卷弧尾翼在特定气动载荷下的轻量化问题,基于结构动力学理论,依托ABAQUS非线性有限元软件,建立了火箭弹卷弧尾翼的有限元模型。通过对比碳纤维复合材料(CFRP)和合金钢材料的卷弧尾翼的有限元分析,得出了碳纤维复合材料在满足强度和刚度的要求下,使卷弧尾翼减重达80%。该方法为火箭弹卷弧尾翼的轻量化设计提供了一种参考和借鉴。     

应用改进遗传算法优化天基光学监视平台轨道

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道倾角进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约1个量级。     

具有时变时间延迟的混沌保密通信同步方法研究

针对固定时间延迟及时变时间延迟系统,提出了同步控制方案,在实现同步后能有效解决传输时延对保密通信的影响.利用线性矩阵不等式方法设计了同步控制器,应用Lyapunov方法分析了同步误差的收敛性,并运用Schur补引理证明了全局渐近稳定点的存在.     

特种车辆乘载员生理监测与调节系统

特种车辆乘栽员的生理心理状态与车辆技术状态并列成为影响车辆整体效能的重要因素。针对乘栽员的生理心理状态进行监测并适时干预,可以实时掌握并调整人员状态。既有利于车辆能力发挥,也有利于整体协调。生理监测调节系统拟采用生物传感技术,采集人员生理心理指标参数,通过车辆通信及指控系统网络,使指挥人员能够及时掌握人员的疲劳及生命体征状态．通过合理的心理干预及医疗指导。使人员保持良好的心理生理状态或合理的医疗自救互救,最大程度地保存行动能力。该系统可应用于平时训练及评估．也可应用于行动决策指挥及医疗救护部署。     

干扰条件下防空兵通信装备系统效能分析

为研究干扰条件下防空兵通信装备系统效能,在ADC模型的基础上构建了ADCF系统效能模型,并结合实例对模型进行了仿真分析.仿真结果显示,该模型能较好反映敌方干扰对通信装备系统效能的影响.提出了干扰条件下提高防空兵通信装备系统效能的措施.     

一种串行通信的误码率测试方法

针对目前导弹系统RS-422,RS-485等串行通信总线的误码率测试没有统一、科学、客观的测试方法与测试仪器,提出一种基于通信设备内部自身通信验证的误码率测试方法,该方法采用通讯设备的自闭环链路实现收发端口互相校验,以半双工的工作方式,在多通道串行通信模块的通道之间建立发送-接收链路,基于伪随机码m序列为测试码流,利用统计学中的置信度原理,在保证测试结果的可信度前提下,定量地评估通信系统的质量,具备充分理论依据的基础上实现了低成本高效率的误码率测试.     

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

用业务量损失法评估通信网链路的重要性

本文从业务量损失方面来考虑通信网链路的重要性,提出了一种用于评估通信网链路重要性的方法一业务量损失法。该方法根据不同链路故障造成业务量损失率的不同,据此判断链路的重要性。在不同的路由选择方式下,业务量损失法的评估结果也不同。本文考虑了两种路由选择方式,并举例说明了业务量损失法的运用。     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。