基于CNN的三相逆变器开路故障诊断及其样本条件分析

为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。     

Data-driven prediction of plate velocities and plate deformation of explosive reactive armor

Explosive reactive armor (ERA) is currently being actively developed as a protective system for mobile devices against ballistic threats such as kinetic energy penetrators and shaped-charge jets. Considering mobility, the aim is to design a protection system with a minimal amount of required mass. The efficiency of an ERA is sensitive to the impact position and the timing of the detonation. Therefore, different designs have to be tested for several impact scenarios to identify the best design. Since analytical models are not predicting the behavior of the ERA accurately enough and experiments, as well as numerical simulations, are too time-consuming, a data-driven model to estimate the displacements and deformation of plates of an ERA system is proposed here. The ground truth for the artificial neural network (ANN) is numerical simulation results that are validated with experiments. The ANN approximates the plate positions for different materials, plate sizes, and detonation point positions with sufficient accuracy in real-time. In a future investigation, the results from the model can be used to estimate the interaction of the ERA with a given threat. Then, a measure for the effectiveness of an ERA can be calculated. Finally, an optimal ERA can be designed and analyzed for any possible impact scenario in negligible time.     

基于分形维数的数字调制信号识别

在复杂的电磁环境下,如何快速准确地对低信噪比下的常见通信信号进行较全面的识别是一个亟待解决的问题。在对信号分形维数仿真讨论的基础上,提出了一种新的通信信号识别方法。首先,对接收到的信号进行预处理,然后提取其盒维数和信息维数,将两者作为识别的特征参数,最后基于支持向量机实现未知信号的识别。由仿真结果分析可知:预处理后的信号序列的盒维数和信息维数分离度高且受噪声和信号参数的影响小,识别结果较好。在信噪比为5 dB时,不同调制类型信号间的识别准确率最低为87%。     

无线网络控制系统一致性研究

通过构建李雅普诺夫函数,对具有不同拓扑结构的无线网络控制系统的一致性问题进行了研究。利用网络结构的邻接矩阵对网络拓扑结构进行描述,同时构造系统的延迟矩阵,结合复杂网络理论中的聚类系数、耦合强度的概念,对系统进行建模。针对复杂网络中常用的两种结构,构建不同的邻接矩阵和延迟矩阵,利用线性矩阵不等式的方法,给出使系统稳定的一般性条件。最后仿真结果验证了方法的有效性。     

基于通信延迟误差补偿的协同导航算法

多自主水下航行器(MAUV)协同导航技术是解决水下定位的重要手段。主从式多AUV协同导航系统利用水声通信方式实现数据共享,但由于声速在水中传播较慢,使得接收到的量测信息具有通信延迟。因此,针对通信延迟问题提出了一种新息重建的状态估计补偿方法,通过对从AUV进行状态递推,获得在有无量测延迟两种情况下的状态误差,将此误差作为重建的新息补偿到状态估计中。仿真结果验证了该方法能够有效地补偿协同导航中由于通信延迟造成的定位误差,提高从AUV的定位精度。     

基于指控链的作战体系网络建模分析

针对作战体系的特点建立作战体系网络模型,提出指控链的概念。在此基础上,通过指控介数、指控效率对作战体系网络效能进行度量。通过设计实验对指标进行验证分析,对实际作战体系的构建具有较好的指导意义。     

基于遗传算法的雷达管控问题

通过对雷达组网系统责任区保障问题的深入研究,以完成对责任区的保障任务为目的,使责任区各个高度层均满足一定联合探测概率和雷达覆盖系数为约束条件,以雷达网整体工作代价最小为目标函数,构建了有干扰情形对雷达的管理和控制(以下简称雷达管控)数学模型。运用改进的遗传算法对雷达管控模型进行求解,通过设定保护概率保存了最优个体的遗传性,通过合理的算法参数设置改善了算法的性能。仿真算例和实际应用结果表明,雷达管控达标率由管控前的36.54%上升到63.46%,达到100%,雷达管控结果符合管控要求,且雷达开机数量较少,采取的抗干扰措施合理,验证了模型和方法的有效性。     

谈“345”模式创新消防安全网格化管理工作

随着城乡"一体化"不断加快融合,消防安全管理中存在的问题随之扩大,"网格化"消防安全管理模式是解决目前消防安全管理问题的突破口,需采取"345"模式整合社会资源,发动全社会力量共同参与消防安全网格化管理。"345"模式即强化"三项机制",确保消防责任无盲区;依托"四支队伍",确保消防工作有人管;推行"五化措施",确保火灾防控全覆盖。     

消防灭火救援现场通信存在问题与对策

通过了解目前消防部队通信指挥系统建设现状,结合部队以往灭火救援作战经验,针对消防部队经常面对的几种典型灾害现场,对各种灾害现场通信存在的困难及问题进行总结归纳,并分别提出了几点关于加强现场通信畅通,提高灭火救援成功率的方法。     

基于移动作战指挥中心的《消防通信A》课程实践教学改革

依托消防通信指挥车进行《消防通信A》课程改革,以技能和通信指挥训练为主线,强化和培养学员综合运用理论知识的能力.在介绍《消防通信A》课程性质、作战指挥中心通信枢纽在大型灭火救援现场的地位作用与功能的基础上,提出了课程改革的思路、主要内容,并设计了考核评定方案。