有限维修能力下多级保障系统装备时变可用度评估及保障方案优化

备件库存和站点维修能力是影响备件维修周转的重要因素,制约装备使用效果。针对备件需求随任务阶段动态变化的装备保障方案评估和优化问题,考虑站点维修能力对备件维修过程的影响,结合METRIC建模方法和动态排队理论,建立了有限维修能力下多级保障系统装备时变可用度评估模型。在评估模型基础之上,以保障费用为优化目标,装备可用度为约束条件,建立了任务期内多级保障系统保障方案优化模型。以任务期内的最低可用度所对应的备件短缺数为观测值,分析了各项资源的边际效益值,采用边际优化算法对各项资源进行优化计算。算例分析表明,评估模型能够计算多级保障系统任务期内各阶段装备可用度;保障方案优化模型和方法能够得到各项保障资源的优化配置方案。提出的模型和优化方法能够为装备保障人员制定合理的保障方案提供决策支持。     

GPS仿真器设计

本文详细介绍了在无人机利用ＧＰＳ导航半实物仿真系统中ＧＰＳ仿真器的设计原理。通过分析ＧＰＳ及ＧＰＳ接收机的基本工作方式,ＷＧＳ－８４与各种坐标系的转换关系,研制了ＧＰＳ仿真器。它将由飞行仿真计算机得到的无人机位置信息转换成与之对应的ＧＰＳ信号,输入飞控计算机,以实现ＧＰＳ导航的仿真试验。     

非共轴光学系统的光路计算与象质评价

针对非共轴光学系统提出新式光线抽样;运用切比雪夫数值积分建立崭新的质量函数;以最小二乘法和0.618法实现最佳象面快速自动优选;简化了坐标变换和数据输入。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

一种空气加热器的三维流场数值仿真

为进行超燃冲压发动机试验,设计了空气加热器,对其内部流场进行了仿真并与热试车结果进行了比较验证;计算结果表明,所设计的加热器在结构方案和总体性能方面基本满足设计要求,喷注器喷入的空气降低了冷却面板的温度,燃烧室轴向入口空气能有效保护燃烧室内壁,仿真结果对于加热器的改进设计也起到一定的指导作用.     

基于网络监测技术的电信级IP宽带网络研究与实践

随着数据业务的飞速发展,如何保证宽带IP网络高可靠、高性能、可运营和可管理变得至关重要。针对电信级IP宽带网业务与运维需要,在详细分析IP协议特点的基础上,剖析电信级IP网络提供服务质量保障业务与网络运维面临挑战。为了满足电信级IP网络规划设计、运维管理、提供增值业务的需求,提出网络监测指标体系。结合当前的网络监测技术,提出了基于分布式网络监测分析技术的电信级IP宽带网络的构建方案。该方案已经得到湖南电信实验局验证。     

关于分形插值函数的积分

用反例说明在 [1 ,2 ]中关于分形插值函数的积分公式是错误的 ,并建立了关于分形插值函数积分的正确公式。     

一种改进的事件驱动系统框架

在给出事件驱动系统安全漏洞的基础上,指出了产生漏洞的根本原因是:系统忽视了输入系统的事件序列之间存在的相关性;系统无条件信任任何事件源产生的事件.针对这两个原因,相应提出了事件序列形式安全分析模型及基于事件源的可信度评估模型,依据这两个模型,构建了一种改进的事件驱动系统框架.     

基于复杂排队系统的TOC服务模型与性能分析

三值光学计算机的运算请求处理过程缺乏合理、系统的性能评价标准与体系。基于M/M/1、M/M/n、MX/M/1和M/MB/1构成的复杂排队系统,构建了三值光学计算机的四阶段服务模型,同时建立了立即调度和结束时调度两种不同策略与算法。基于不同排队系统讨论了运算请求的接收时间、预处理时间、运算时间和发送时间的计算方法,进而得到最终响应时间。最后,通过仿真实验对两种策略的模型进行验证,结果表明结束时调度策略明显优于立即调度策略。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。