武器装备体系复杂网络模型构建算法

针对武器装备体系的复杂性和网络化趋势,在现有研究基础上构建了以目标为中心的武器装备体系对抗网,基于OODA模型分析了协同式武器装备体系和受控式武器装备体系的异同,提出了以目标为中心的受控式武器装备体系连接结构的构建算法。最后实例验证了算法的可行性,为构建武器装备体系网络提供了新思路。     

基于复杂网络理论的航材配送网络抗毁性分析

航材配送是航材保障工作的重要环节,科学地构建航材配送网络是提高航材保障效率的前提和基础。深入开展航材配送网络研究,对提高航材保障工作效益具有重要意义。针对航材配送网络节点繁多、线路交错的特点,分析了航材配送网络的复杂特性,构建了基于复杂网络理论的航材配送网络模型,设计了航材配送网络的拓扑特征参数,研究了航材配送网络的抗毁性。理论分析和实验结果表明,随机攻击时航材配送网络的抗毁性要大于选择性攻击,节点选择攻击时航材配送网络的抗毁性小于边选择攻击。     

基于博弈论计算机网络对抗问题研究

针对日益普遍和多样的网络攻击行为,如何对网络各种攻防过程进行分析已逐渐成为热点研究方向。在对计算机网络对抗问题复杂性表现和产生根源进行探讨基础上,从完全信息静态博弈、完全信息动态博弈、不完全信息静态博弈、不完全信息动态博弈4个视角,对计算机网络对抗问题进行分类论述,对各解决方法进行了综合比较,并对今后的研究进行了展望。     

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。     

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。     

编队协同防空制导阵位配置与交接区仿真研究

协同制导是编队协同防空作战中的一种重要作战手段,制导交接又是协同制导中的关键环节,首先详细分析了舰艇编队协同制导的控制流程以及协同制导的交接方式,然后对协同制导中协同平台的阵位配置区和制导交接区分析了约束条件,进行了数学建模与仿真分析。结果表明,只有发射平台、协同平台的相对位置以及制导交接时导弹所处的空域满足一定要求,才能顺利完成制导交接。     

基于犯罪预防的高层住宅小区防卫设计策略探析

过快的城市化进程引发了包括住区犯罪在内的一系列城市问题。住宅小区的规划设计虽不是导致犯罪发生的直接原因,但其在设计上的缺陷却为犯罪的实施提供了一定的便利。高层住宅小区相比于多层住宅小区,在基于犯罪预防的防卫设计层面存在更为突出的问题。从现状入手,通过实地调研,分析了高层住宅小区在防卫设计上的难点,并从车行道路的规划、半公共领域的界定、单体设计的要点、绿化设计的布局等4个方面提出了防卫设计策略,为高层住宅小区的规划设计提供参考。     

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。