Modeling and Algorithm Application of Weapon Assignment System

In order to improve weapon assignment(WA)accuracy in real scenario,an artificial neural network(ANN)model is built to calculate real-time weapon kill probabilities.Considering the WA characteristic,each input representing one assessment index should be normalized properly.Therefore,the modified WA model is oriented from constant value to dynamic computation.Then an improved invasive weed optimization algorithm is applied to solve the WA problem.During search process,local search is used to improve the initial population,and seed reproduction is redefined to guarantee the mutation from multipoint to single point.In addition,the idea of vaccination and immune selection in biology is added into optimization process.Finally,simulation results verify the model′s rationality and effectiveness of the proposed algorithm.     

集群卫星网络信息拓扑控制技术探讨

集群卫星网络所具有的高动态拓扑、信息异构及灵活组网的特性,使其对信息层面的拓扑控制提出了新的挑战,需要在现有的卫星网络拓扑控制技术的基础上进一步研究。在深入解析集群卫星网络信息拓扑控制内涵的基础上,根据集群卫星网络特点,提出通用的集群卫星网络信息拓扑模型及星地拓扑控制策略,并对现有的卫星拓扑控制算法进行分类说明,根据拓扑的分类方法,分析不同卫星拓扑控制技术在运用于集群卫星网络中的限制条件,最后针对应用需求及技术特点,指出集群卫星网络拓扑控制技术的发展趋势及研究方向。     

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

基于ANFIS的舵阻横摇系统

在MATLAB环境下建立了舵阻摇系统的非线性模型．基于所建立的非线性模型和ANFIS控制算法进行了仿真实验。运用Simulink工具箱得到仿真曲线．通过仿真曲线可以看出此控制器具有良好的鲁棒性能．通过对比减摇前后的仿真曲线得出,ANFIS算法对于舵阻摇系统的拉制有效,减摇率为23%左右,减摇效果较好。     

On developing data-driven turbulence model for DG solution of RANS

High-order Discontinuous Galerkin(DG) methods have been receiving more and more attentions in the area of Computational Fluid Dynamics(CFD) because of their high-accuracy property. However, it is still a challenge to obtain converged solution rapidly when solving the Reynolds Averaged Navier–Stokes(RANS) equations since the turbulence models significantly increase the nonlinearity of discretization system. The overall goal of this research is to develop an Artificial Neural Networks(ANNs) model with low complexity acting as an algebraic turbulence model to estimate the turbulence eddy viscosity for RANS. The ANN turbulence model is off-line trained using the training data generated by the widely used Spalart–Allmaras(SA) turbulence model before the Optimal Brain Surgeon(OBS) is employed to determine the relevancy of input features.Using the selected relevant features, a fully connected ANN model is constructed. The performance of the developed ANN model is numerically tested in the framework of DG for RANS, where the‘‘DG+ANN" method provides robust and steady convergence compared to the ‘‘DG+SA" method. The results demonstrate the promising potential to develop a general turbulence model based on artificial intelligence in the future given the training data covering a large rang of flow conditions.     

基于深度学习的地空导弹发射区拟合算法

目前地空导弹发射区的拟合算法主要是多项式拟合法和BP神经网络拟合法。多项式拟合法存在函数形式难以确定、函数范围不易分段等问题，且拟合精度较低；传统神经网络方法要想达到较高精度，需要大量的隐层节点，且在隐层节点数增加到一定程度后，训练变得十分困难且精度很难继续提高。同时，传统神经网络需要大量的标签数据，进一步增大了实际应用的难度。为此，基于深度学习理论，设计了一种基于堆栈稀疏自编码器（SSAE）的深度拟合网络（DFN），并给出了相应的训练策略。仿真实验表明其相比传统算法具有更小的拟合误差优势。所设计的深度稀疏自编码器网络可以克服多项式拟合和传统神经网络的不足，不仅可以在大量无标签数据和少量标签数据条件下进行学习训练，而且可以进一步提升地空导弹发射区的拟合精度。     

多重加权双向联想记忆模型及决策性能研究

Ｃ Ｃ Ｗａｎｇ等利用Ｋｏｓｋｏ的双向联想记忆模型（Ｂｉｄｉｒｅｃｔｉｏｎａｌ ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｙ，ＢＡＭ），构造了由多个ＢＡＭ构成的多重ＢＡＭ（Ｍｕｌｔｉ－ＢＡＭ）决策模型，使之可以应用于多证据推理，获得了Ｍｕｌｔｉ－ＢＡＭ的决策性能。作者在此基础上，通过对各ＢＡＭ引入不同的权值来模拟各专家不同的权威度，构建了相应的多重加权ＢＡＭ（Ｍｕｌｔｉ－ＷＢＡＭ）模型，证明了该模型在同、     

地方高职院校大学生网络素质调研与分析

通过对某高职院校大学生网络使用情况进行问卷和走访调研，详细统计地方高职院校大学生网络行为的数据，分析和总结地方高职院校大学生网络素质的现状。     

代理服务器的研究与实现

代理服务器作为连接Ｉｎｔｅｒｎｅｔ与Ｉｎｔｒａｎｅｔ的桥梁，在实际应用中发挥着极其重要的作用。它可用于多个目的，最基本的功能是连接，此外还包括安全性、缓存、内容过滤、访问控制管理等功能。文中实现了一个代理服务器系统，可代理ＨＴＴＰ，ＦＴＰ，ＴＥＬＮＥＴ，ＳＭＴＰ，ＰＯＰ这五个常用协议，此外还有用户管理和拨号等功能。该系统已完成了一系列功能测试，已在网上运行，能稳定地代理各类Ｉｎｔｅｒｎｅｔ访问服务     

防空网络对抗探要

以“网络中心战”为背景,建立防空网络对抗模型,分析了防空网络对抗的方式、手段,为提高防空网络对抗能力提供一定的参考。