深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。     

高超声速滑翔导弹气动参数自适应跟踪建模

针对高超声速滑翔导弹跟踪中状态模型构建问题,研究基于制导变量变化规律的气动参数建模方法。对气动参数进行分析,指出传统建模方法的缺点。在假设制导变量服从一阶时滞过程的前提下,利用线性化的气动系数推导气动参数模型,通过分析不同飞行状态下的模型变式,证明模型对目标机动具有自适应性。对模型中未知参数的取值问题进行讨论,实现模型与飞行状态的自适应匹配。仿真结果表明：当目标发生机动时,所提模型性能明显优于传统模型。同时,在不同滤波器参数条件下的仿真结果进一步证实了模型的有效性。     

低地球轨道卫星网络节能方法

通常卫星的唯一能源来源是太阳能,因此星上网络设备的能源供应问题比地面网络的更加严峻。通过修改和扩展链路容量受限的最小代价多商品流模型来适应卫星网络这一特殊的体系结构,并基于低轨道卫星网络的多重覆盖机制和流量分布模型,改进现有的启发式算法来关闭冗余的卫星节点、星地链路和星间链路。在满足链路利用率和路由跳数增加比例约束的条件下,仿真实验中关闭上述三种参数的比例分别可达59%、61%和72%,卫星网络的总体节能比例可达65%。     

惯性效应对电主轴动态性能的影响

为分析高速电主轴轴承-转子系统的动态特性,利用有限元分析方法和Timoshenko梁理论,建立考虑离心力和陀螺力矩等高速惯性效应和系统阻尼的电主轴转子系统动力学模型;并以120MD60Y6型号高速电主轴为研究对象开展模态试验,获取系统不同工况下的固有频率。研究结果表明:离心力除了造成轴承支承软化外,还会造成转轴软化,且转轴软化是造成主轴系统固有频率下降的主要原因;陀螺力矩会将主轴系统每阶固有频率分为前后两个模态,且前后模态随转速变化的规律不同。仿真结果和试验结果吻合较好,这表明所建模型能够准确预测高速电主轴动态性能。     

机体/推进一体化飞行器动导数频域计算方法

运用Etkin非定常气动力模型,将谐波平衡法应用于复杂外形动导数辨识。计算结果表明:谐波平衡法和时域方法的动导数辨识结果一致,与实验值吻合,验证了程序的正确性和谐波平衡法的可靠性。采用谐波平衡法对类X-51高超声速机体/推进一体化飞行器WR-A进行动导数辨识,并与时域方法的计算结果比较,考察了该方法在复杂外形下数值模拟非定常流动和动导数辨识的能力。实验结果表明:对于WR-A这种复杂外形飞行器,谐波平衡法也能在保证精度的同时具有较高的计算效率。     

电磁轨道发射中内弹道动力响应特性分析

将轨道简化为移动载荷作用下固定在弹性支撑上的Bernoulli-Euler梁,通过静态电磁-结构耦合有限元模型求得外围封装的等效刚度,计算得到发射器的临界速度。另外,利用混合有限元/边界元法建立电磁-结构-运动多物理场耦合的动力学模型,求得枢轨动态接触压力和轨道的应力应变分布特性。通过在轨道背面布置光纤光栅应变传感器,利用测量数据验证了动力响应特性,并分析了弹丸在内弹道的稳定性。针对典型30 mm × 30 mm矩形口径发射器,分析及试验结果表明：C型电枢对轨道的电磁挤压力在平顶沿起始时刻达到最大值,之后随着时间推移逐渐减小;电枢通过引起的应力波在高速段容易与轨道中反射应力波发生共振,并且轨道在电枢运动的中间高速段区域受力最为集中,应力集中水平约是起始低速段区域的2.44倍;电枢运动高速段会出现晃动现象,进而引起上下轨道受力的不对称性。分析及试验结果对研究电磁轨道发射器内弹道动力响应特性和发射器结构设计具有重要指导意义。     

二部图的(g,f)匹配

本文证明了二部图存在(g,f)匹配和f 因子的充要条件以及有关的几个结果,并且给出了求二部图的最大(g,f)匹配、最小(g,f)匹配和最小权最大f 匹配、最小权(g,f)匹配、最大权(g,f)匹配的算法。     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。