基于行为建模的移动代理性能评估

针对移动代理的分布式应用性能评估需求,建立了移动代理生命周期中主要行为的网络负载模型和时间消耗模型.在3种典型分布式应用想定下,分析了基于C＼S模式和移动代理模式的应用实现基本过程,对两种模式下的网络负载和执行时间进行了仿真比较,结果证明了在访问节点数量较多,网络传输速率较低时,移动代理模式的具有更好性能.     

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CP CI总线的时统模块测量电路设计

为解决时统模块的测试问题,提出了一种基于CPCI总线的数字时统模块测量电路。重点对测量电路的组成、测量原理、CPCI总线接口设计与驱动设计等内容进行了介绍。提出的测量电路满足了4块某型时统模块的批量测试需求。该测量电路具有稳定性高、性价比高、易于实现等优点,适合于工程应用。     

基于通信时延信息的被动定位精度分析

基于通信信号中的时延信息,构建了基本TDOA定位算法,详细推导出了其理论定位精度分布及理论上最优定位点精度,为其定位的主要误差影响因素分析,及基于时延信息的被动定位算法的设计和改进力度提供了参考依据。并结合通信信号实际环境,给出了较为全面的仿真案例验算。     

无人作战飞机通信延时仿真

通信作为无人作战飞机任务控制站与无人作战飞机之间的纽带,在无人作战飞机系统中起着至关重要的作用。简要阐述了引起无人作战飞机通信延时的具体因素,分析了无人作战飞机使用的几种通信方式,提出并运用网络仿真工具NS2(networksimulation-2)针对视线通信方式和不同中继方式下的通信延时进行了仿真,最后对仿真作了分析和解释。     

基于飞行时间的弹道导弹火力控制

为了达到最佳射击效果,弹道导弹突击目标时经常需要多枚导弹同时击中目标,因此根据飞行时间确定发射时间则成为弹道导弹火力控制问题的重要内容。以具体导弹为例,采用仿真的方法分析了影响飞行时间的内在原因,得出了明确的结论,使导弹部队能够根据飞行时间确定发射时间,从而合理地进行火力控制,提高毁伤效果和震慑力。     

链约束下加工时间恶化的Flow Shop排序问题

讨论作业具有线性加工时间,作业间具有链约束的两台处理机流水作业排序问题,目标函数为极小化完工时间。在作业加工时间简单线性恶化下,提出作业的非负开始和停止延迟恶化率,构造了满足约束条件的复合作业。在此基础上,给出作业间具有平行链约束的两台处理机流水作业排序问题的最优多项式算法。     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

2014—2016年FY-3C与COSMIC掩星电离层特征参数的比较

利用由FY-3C和COSMIC两个全球导航卫星系统无线电掩星任务提供的2014—2016共3年的电离层电子密度廓线,基于时间间隔7.5 min、经纬度间隔2.5°的时空匹配窗口,对两个掩星任务的电离层峰值密度（NmF2）和峰值高度（hmF2）进行了比较。结果表明：由两个任务得到的特征参数相关性良好,各年之间相关性水平基本稳定,其中各年NmF2和hmF2相关系数的平均值分别为0.87和0.75;FY-3C的特征参数相对于COSMIC的偏差很小,各年NmF2的绝对偏差均值和相对偏差均值分别不超过±0.25×10⁵ el/cm³和±15.0%,hmF2的绝对偏差均值和相对偏差均值分别不超过±7.00 km和±1.80%。此外,由两个任务得到的特征参数在空间上均表现出赤道及低纬地区数值较高且呈“条带状”分布的特点,且两个任务都监测到了2016年相对于2014年和2015年NmF2和 hmF2均存在显著下降的现象     

基于相关参数的自修正飞行数据估计方法

提出了自修正的数据估计方法.用待拟合参数及相关参数组成多阶数据矩阵,利用递归神经网络对数据矩阵中缺失数据进行初次多阶拟合;利用滑动窗口,在历史数据矩阵中进行相似模式搜索,以相似度作为权重系数,对初次拟合结果进行加权修正.分析证明,该算法的最差、最好复杂度分别达到了理论最好结果.从仿真结果可以看出,自修正算法数据拟合结果误差较之单纯神经网络拟合更小,估计精度更高.