兼顾控制流量的软件定义卫星网络路由策略

软件定义卫星网络（SDSN）通过解耦数据与控制平面,实现网络态势与控制的逻辑集中,为管理卫星网络提供了一种新的思路。在SDSN中,控制报文和数据报文同时在网络中传输,海量、动态、高优先级的控制流量将对数据报文传输产生极大的干扰。因此,提出了一种数据流退让路由（DFRR）策略。在计算数据报文路由时,DFRR将链路上控制流量大小作为影响链路代价的一个因素,以减少选择控制流量较大的链路;在网络操作控制中心（NOCC）连接的过顶卫星切换导致控制流量分布发生较大变化之前,DFRR预测可能发生拥塞的链路,并选出链路上部分数据流进行重路由,从而避免拥塞。在开发的SDSN研究平台OpenSatNet上对DFRR的性能进行了评估。实验结果表明,DFRR能够有效减少网络中的链路拥塞,以及控制报文和数据报文的分组丢失。      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

一种改进的LEO卫星网络路由策略

文章结合LEO卫星网络的拓扑结构和运行规律,提出了一种时延受限的最小耗费（DCLC）路由算法。仿真结果显示,相对于最短路由算法,该算法具有较低的呼叫阻塞率和切换失败率,以及更好的服务质量。同时能够平衡各链路负载,使整个卫星网络更稳定。     

S波段大型功分馈电网络设计

为了满足某平面阵列天线高增益、低副瓣的要求,设计了工作在S波段、相对带宽为10％的1—48的大型功分馈电网络。该馈电网络采用带状线功分器与微带线功分器级联而成。利用HFSS、Ansoft Designer等电磁软件对其进行仿真设计。实测结果表明在所要求的频段内,网络的输入驻波小于1．50,相位误差小于10°。     

一种基于波导结构的大功率合路器设计

文章基于对波导结构的分析,提出了一种大功率合路器的设计。波导结构标准的E面T型结能够对功率进行分配/合成,但其枝节的端口响应及枝节间的隔离使得其无法直接用于功率合成/分配。将溅射薄膜电阻后的陶瓷基片引入T型结中,并对T型结的枝节段进行尺寸优化,得到一个端口匹配且隔离度良好的合路器。基于对波导特性、匹配网络理论的分析,设计了一个覆盖Ka频段的功率合路器。     

试验设计法与BP-GA算法在复合材料结构优化中的应用

试验设计法具有均衡分散性和整齐可比性,通过试验设计进行响应面的样本选取可以大大减少样本的数目,同时保证响应面的训练精度。响应面与遗传算法相结合在工程应用中已经形成一套适用于复杂结构设计的高效优化方法。本文以复合材料加筋蒙皮的质量优化问题为例,通过正交试验进行响应面训练样本选取,通过PATRAN/NASTRAN进行有限元分析得出样本的数值,应用神经网络(BP)训练、构建优化的目标函数和强度、稳定性约束响应面,结合其他常规约束条件通过遗传算法(GA)进行优化,验证了这套算法的有效性和实用性。     

基于域对抗门控网络的变工况刀具磨损精确预测方法

刀具磨损的精确预测对保证零件加工质量、提高生产效率和降低制造成本具有重要作用。在实际加工过程中,切削参数、刀具几何参数、刀具材料等工况复杂多变,工况信息和刀具磨损量对监测信号的耦合作用为刀具磨损的精确预测带来了很大挑战。针对以上问题,提出了一种基于域对抗门控网络（DAGNN）的变工况刀具磨损精确预测方法。引入工况分类网络并利用无磨损量标签样本,通过域对抗和门控过滤机制自适应地从不同工况的原始监测信号中提取表征刀具磨损且对工况变化不敏感的关键信号特征。对信号特征提取网络和刀具磨损预测网络进行迭代优化,从而实现变工况刀具磨损的精确预测。实验结果表明：相比已有的方法,本文方法能够利用少量带磨损量标签的目标工况样本实现刀具材料和刀具直径变化情况下的刀具磨损量精确预测,预测精度大幅提高。     

A combined technique of Kalman filter,artificial neural network and fuzzy logic for gas turbines and signal fault isolation

The target of this paper is the performance-based diagnostics of a gas turbine for the automated early detection of components malfunctions. The paper proposes a new combination of multiple methodologies for the performance-based diagnostics of single and multiple failures on a two-spool engine. The aim of this technique is to combine the strength of each methodology and provide a high success rate for single and multiple failures with the presence of measurement malfunctions. A combination of KF (Kalman Filter), ANN (Artificial Neural Network) and FL (Fuzzy Logic) is used in this research in order to improve the success rate, to increase the flexibility and the number of failures detected and to combine the strength of multiple methods to have a more robust solution. The Kalman filter has in his strength the measurement noise treatment, the artificial neural network the simulation and prediction of reference and deteriorated performance profile and the fuzzy logic the categorization flexibility, which is used to quantify and classify the failures. In the area of GT (Gas Turbine) diagnostics, the multiple failures in combination with measurement issues and the utilization of multiple methods for a 2-spool industrial gas turbine engine has not been investigated extensively.This paper reports the key contribution of each component of the methodology and brief the results in the quantification and classification success rate. The methodology is tested for constant deterioration and increasing noise and for random deterioration. For the random deterioration and nominal noise of 0.4%, in particular, the quantification success rate is above 92.0%, while the classification success rate is above 95.1%. Moreover, the speed of the data processing (1.7 s/sample) proves the suitability of this methodology for online diagnostics.