基于贝叶斯网络的自动装弹机维修决策

在分析贝叶斯网络的结构和特点的基础上,以自动装弹机的部件输弹机为例,构建了输弹机不旋转故障模式的贝叶斯网络模型,并对网络模型进行训练和学习,在计算网络模型相关参数的基础上进行维修决策分析,梳理出排除输弹机不旋转故障的一般性方法,为研究自动装弹机的维修决策提供参考。     

航空自组网中面向容错的中继节点速度控制

由于飞机节点的通信距离有限,航空自组网的网络拓扑高动态的变化会导致频繁的网络分割并严重影响网络上层应用的正常运行。为了保证飞机节点之间端到端的连通性不受影响,航空自组网必须具备容错性,即任意一个节点或链路失效后网络仍然连通。通常情况下飞机节点的运动不可控,因此可在网络中加入一定数量的中继节点,通过控制中继节点的运动速度来实现并维持航空自组网的容错性。提出了一种在线中继节点速度控制方法,该方法根据网络当前状态计算出中继节点的最佳运动方式,在保证网络容错的前提下使得中继节点在网络运行时间内所运动的总路程最短。仿真结果表明该中继节点速度控制方法在航空自组网的容错控制方面具有潜在的应用前景。     

基于服务的炮兵通信网络资源管理研究

在分析炮兵通信网络资源现状及资源管理需求基础上,从网络资源池的构建与管理、网络资源的组件与封装、资源池内的组件组合与调度3个方面提出了基于服务的炮兵通信网络资源管理方法,此方法实现了网络资源的"纵向扁平化、横向一体化"管理,使资源管理与网络结构、作战指挥结构松耦合,便于网络资源柔性扩展以及弹性服务的提供,为联合作战条件下,面向多军兵种资源融合与信息共享的统一通信服务实施提供技术借鉴与支撑。     

BP神经网络在极移预报中的应用

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出反向传播(Back Propagation,BP)神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

Changing the paradigm: Simulation,now a method of first resort

Decades ago, simulation was famously characterized as a “method of last resort,” to which analysts should turn only “when all else fails.” In those intervening decades, the technologies supporting simulation—computing hardware, simulation‐modeling paradigms, simulation software, design‐and‐analysis methods—have all advanced dramatically. We offer an updated view that simulation is now a very appealing option for modeling and analysis. When applied properly, simulation can provide fully as much insight, with as much precision as desired, as can exact analytical methods that are based on more restrictive assumptions. The fundamental advantage of simulation is that it can tolerate far less restrictive modeling assumptions, leading to an underlying model that is more reflective of reality and thus more valid, leading to better decisions. Published 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 293–303, 2015     

基于BP神经网络的极移预报*

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出BP神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

基于雷达网拓扑特征的雷达目标编群算法

为有效评估战场电磁态势和实施雷达网对抗,研究雷达目标编群算法十分必要。提出了一种基于拓扑特征分析的雷达目标编群算法,在分析雷达网拓扑结构及其特征基础上,利用拓扑特征实现雷达目标群的建立和更新,完成雷达目标编群。仿真实例表明算法具有可行性和有效性,为电磁态势评估和雷达网对抗奠定了基础。     

受互联网思路启发的电力系统重要节点评估算法

对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis, E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search, MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。     

基于禁忌搜索算法的指挥控制系统网络组织优化方法

基于复杂网络的拓扑结构优化理论与禁忌搜索算法,结合指挥控制系统的特点,建立了优化最优指挥与控制系统网络结构（Command and Control Architecture Network,C2AN）模型,并以复杂网络的网络效率和网络成本分别描述C2AN中的信息传播效率及构建C2AN的资源消耗,建立优化的目标函数,通过禁忌搜索算法获得了最优的C2AN。最后通过仿真实例,分析了最优C2AN生成过程及其基本统计特征。     

基于灰色神经网络的装甲器材需求量预测

分析了装甲器材需求量影响因素,将灰色预测与神经网络预测方法相结合,建立了装甲器材需求量预测的灰色神经网络计算模型。该模型具有灰色系统的少数据建模及神经网络的精度可控性等优点,能较好地解决目前装甲器材需求预测精度不高的问题,可为装甲器材管理部门制定订购、调拨计划提供决策依据。