基于Agent的分布式卫星自主构形重构技术

自主构形重构是分布式卫星自主运行的典型任务.将构形重构问题分解为底层控制问题和上层规划问题,给出构形重构问题的统一描述,在一种递阶控制结构中探讨基于Agent的分布式卫星自主构形重构问题,并介绍基于ObjectAgent的实现框架.针对底层控制问题,提出卫星相对运动轨道调整的螺旋控制策略,并对燃料消耗量进行估计;针对上层规划问题,采用拍卖算法完成构形重构位置分配.最后通过一个仿真实例验证基于Agent的分布式卫星自主构形重构的可行性.     

一种面向关键属性更新的优化数据一致性算法

规模巨大且分布性强的P2P系统可能导致部分数据副本发布的更新被长时间地延迟,从而降低Internet上资源定位的效率。针对关键属性更新的特点,提出一种解决关键属性更新冲突的优化数据一致性算法。算法中分离出用户提交的更新请求中关于关键属性的更新,在对关键更新冲突分类的基础上,采用更新缓冲预处理和关键更新表两层机制并结合最新写胜出和分而治之规则,优化关键更新冲突的发现和解决。关键属性更新的优化处理使得不会产生因为关键属性更新的延迟而降低系统基于关键属性的资源定位效率,满足面向Internet的P2P系统的要求。模拟测试结果表明该算法在一致性维护开销、资源定位开销与资源访问开销以及鲁棒性方面均具有较好的性能。     

地球自转对分布式星载SAR-GMTI的影响

地球自转对分布式星载SAR-GMTI的影响主要体现在两个方面:(1)受测绘带地形起伏和杂波抑制手段的制约,星间基线应平行于地面波束足迹方向,编队卫星轨道参数必须保持一定的关系;(2)地杂波多普勒与距离有关,必须采取适当措施以克服杂波凹口形变及展宽。在综合上述两个影响的基础上,设计了由3颗小卫星编队构成的分布式星载SAR-GMTI系统,并以信杂噪比损失为指标,衡量该系统在X和L两个波段下能够达到的理论性能上限。     

神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

装备贮存可靠性指标的统计描述

对军用装备的贮存可靠性指标进行统计描述,对装备系统常见的有性能参数要求的机械、电子整机,有强度要求的结构件整机和一次性使用产品等三大类型军用装备的贮存可靠性给出定量评定的模型。     

全球气象资料客观分析系统的分布式并行计算

对已有的串行算法进行并行化 ,是一项很困难的工作。通过对全球气象资料客观分析系统串行算法的研究 ,提出了一种静态分配数据的分布式并行算法。该算法通过间隔选取分析盒子和模式格点纬圈行 ,将数据分配给不同的处理机实现分布式并行。该并行算法负载平衡好 ,并行效率高 ,而且并行化代价较低 ,具有良好的可扩展性。     

分布式计算环境下的栅格数据存储策略

针对传统的栅格数据存储策略不能满足分布式计算环境下粗粒度数据访问需求,应对海量栅格数据计算时效率低下的问题,结合分布式文件系统的存储特点,同时考虑地图代数算子在Map/Reduce阶段以栅格瓦片为单位的计算特点,提出一种基于Hadoop分布式文件系统的栅格瓦片存储策略。围绕栅格数据瓦片分割、压缩瓦片数据组织与存储、分布式文件输入输出接口改进等方面对该存储策略加以实现,并使用基于该存储策略的地图代数局部算子的分布式计算流程加以验证。理论分析与实验结果表明,该策略能够显著提高分布式计算环境下空间分析算子的运算速度。     

基于SVPWM的军用储能电源双闭环模糊控制

传统整流器的接入会给电网带来大量谐波和无功污染,为了削减电网侧的电压谐波分量,提高军用储能电源充电系统的功率因数,提出一种基于空间电压矢量PWM的新型闭环控制方法。在建立三相电压型PWM整流器的数学模型的基础上,分析了储能电源整流环节的双闭环控制结构,引用模糊逻辑对双闭环控制方法进行改进,利用模糊比例积分(PI)控制算法设计电流内环,系统可以实现PI参数的自适应调整。通过仿真验证了该方法的有效性,采用双闭环模糊PI控制的PWM整流器可以实现单位功率因数运行,保证输出的直流电压稳定,抗干扰能力强,具有良好的动态响应。     

基于共进化的多任务分配与调度

在考虑多种约束关系基础上 ,提出一种并行与分布式系统中多约束关系的任务分配与调度的共同进化遗传算法。仿真试验结果表明所给算法比传统单种遗传算法更能有效地进行多任务分配与调度 ,具有一定的工程价值     

多目标的分布式协同进化MDO算法

通过引入非优超排序和排挤的多目标处理机制 ,将分布式协同进化MDO算法的能力扩展到多目标的多学科设计优化问题。多目标的分布式协同进化MDO算法在保持各学科充分自治和各学科并行设计优化协同的基础上 ,通过一次运行即可获得具有良好分布的多个Pareto最优解 ,逼近整个Pareto最优前沿。应用于导弹气动 /发动机 /控制三学科两目标设计优化问题 ,与约束法计算结果的对比表明算法能够有效逼近该问题的Pareto最优前沿 ,为设计决策提供了丰富的信息