基于HLA的潜舰对抗模拟训练系统的设计与实现

针对水面舰艇与潜艇对抗模拟训练及其作战环境,提出了基于高层体系结构(HLA)的仿真系统设计方案,设计了由水面舰艇、潜艇、直升机、鱼雷等成员组成的潜舰对抗模拟训练系统,并给出了组成联邦的各成员功能和OMT的设计方法,最后分析了潜舰对抗模拟系统的仿真过程,利用VR-Link工具库给出了部分功能的实现代码。在潜舰对抗模拟训练系统的开发中证明该设计是可行的,并且本项研究对其他领域内基于HLA的仿真系统构建和开发具有参考价值。     

先进上面级数字逻辑姿态控制律设计

建立了先进上面级姿态动力学模型和推力器配置方案,根据快速大角速度精确姿态机动的任务要求,设计了数字逻辑姿态控制律.考虑姿态角和姿态角速度的相互关系和测置误差的存在,将姿态相平面划分为多个控制区域,以节省燃料和避免测量误差的影响.在实际上面级参数下进行姿态机动控制仿真,采用数字逻辑姿态控制律能在16s内实现先进上面级俯仰角60°的大角度姿态机动,并能很好地保证姿态指向精度和姿态稳定度,控制效果也优于脉冲宽度调制.     

气液同轴式喷嘴雾化特性的试验

通过试验研究气液同轴直流式和气液同轴离心式喷嘴的雾化性能。研究表明:喷嘴出口扩张时可以改善喷嘴的雾化性能;气液同轴直流式和气液同轴离心式喷嘴都存在一个合适的缩进长度,在改善喷嘴雾化特性的同时对总流量影响较小;在相同条件下,气液同轴离心式喷嘴的喷雾性能要优于气液同轴直流式喷嘴的喷雾性能。     

CEC条件下的舰艇编队防空问题

未来战争是"海、陆、空、电、天"五位一体的高技术战争,机动战、火力战和信息战将贯穿于作战的全过程.面对这样一种局面,传统的水面舰艇编队防空作战样式必将发生重大变革以适应未来海战的需要.美国海军针对上述情况研究了协同作战能力(CEC),并将其推广应用于各种指挥系统.CEC已经成为一种提高指挥系统协同作战能力的重要技术,通过使每个独立平台成为战斗群的延伸来弥补单个平台的弱点.借鉴了网络中心战的思想并结合美军提出的CEC,分析了CEC条件下的我水面舰艇编队的防空问题.     

一种可用于指挥自动化网的USB安全钥设计

介绍了一种用于指挥自动化网络中进行身份认证的USB安全钥安全管理系统,给出了使用USB安全钥进入网络终端时的认证机制,调用与浏览服务器信息时的认证流程,以及USB安全钥软、硬件的设计要点.在该安全钥管理系统中可运行重要软件的关键程序和查询关键信息,有效增强保密强度,安全钥采用USB接口,具有支持热插拔、携带方便等优点.     

二阶线性系统高阶PI观测器设计问题

考虑二阶线性系统的高阶比例积分(PI)观测器设计问题,提出了一种参数化方法。该方法给出了该类观测器的增益矩阵和左特征向量矩阵的参数化表达式。这些参数为控制系统设计提供了全部自由度,可通过优化等手段适当选择这些参数来满足某些性能要求,如干扰解耦、LTR和鲁棒性等。该观测器设计的参数化直接基于二阶线性系统的参数矩阵,不涉及二阶线性系统的变换或增广,表明了所提方法的简单有效性。     

基于多智能体技术的协同信息融合系统研究

为达到充分发掘信息组合潜能的目的,利用多智能体(multi-agent)技术构建了自协同信息融合系统。给出了自协同信息融合系统的体系结构,对该信息融合系统需要进行的协同内容进行了分析,总结了基于多智能体的协同信息融合的主要技术特点。该系统可以起到实现信息共享、统一协调传感器探测行为、提高信息融合系统综合效能的作用。     

传感器网络在网络中心战中的应用

介绍了传感器网络对比于分立式传感器的优势所在,指出传感器网络通过多点数据融合及任务指派的方法加强传感器网络在监视和跟踪空中目标、地面活动目标、以及特殊目标(如联合战区防空反导、目标战损估计)中的应用。提出了传感器网络应该解决的几个具体问题;包括节点选择与优化部署方面的组建原则、任务指派方面的注意事项、资源管理的目标要求、异构资源信息共享的四种解决方法、以及网络安全(关于网络本身的健壮性以及数据的安全性)等方面的问题和解决方法。     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

一种基于博弈论的无线网状网络路由与信道分配联合优化算法

无线网络中的路由与信道分配可极大地影响网络的性能.为了解决无线网状网络中的路由与信道分配问题,提出并研究了一种称为CRAG(基于博弈论的无线网状网络路由与信道分配联合优化)的方法.CRAG采用协同博弈的方式将网络中的每个节点模型化为一个弈者,每个弈者的策略为与其相关的路由与信道分配方案,收益函数为给定流量需求矩阵下的成功传输流量.弈者通过协同博弈来优化收益函数以最大化网络的吞吐量.基于NS3的仿真结果表明,CRAG在收敛性、时延、丢包率和吞吐量方面优于其他当前的算法,从而证明了协同博弈的方法可以用于无线网状网络的路由与信道分配联合优化,并有效地改进网络性能.