基于本体的仿真系统全生命周期管理

建模与仿真(M&S)作为一门新兴的综合性技术,已成为继理论分析和实验实践之后第3种认识和改造客观世界的方法.首先针对M&S的需求,提出了仿真系统全生命周期管理(SSLM)的概念,进而指出SSLM作为仿真系统支撑环境的一项关键技术,能对仿真系统全生命周期中的过程和信息进行全面管理,实现目前产品全生命周期管理(PLM)尚未实现的功能.建立了基于本体的面向全生命周期三维模型,提出了基于本体论的SSLM内容管理方法,定义了面向SSLM的本体,它包括基本本体、领域本体和应用本体.在此基础上,用SSLM本体定义中的谓词构成查询语句,实现了基于语义的模型查询.      

基于云模型的目标威胁等级评估

目标威胁等级评估的实时性、正确性对于后续作战仿真具有重要意义.提出了基于云模型的威胁等级评估的方法,通过对依据专家经验得到的对定性概念评估的隶属云图的贝叶斯修正,得到了标尺云.由战场态势信息对标尺云的匹配和处理,最终得到了目标威胁评估云图,实现了威胁评估.定性概念对战场态势的描述以及隶属云图体现了模糊性与随机性的较好结合,反映了空战时飞行员获取信息的不确定性的特点.通过实例验证表明:基于云模型的威胁等级评估的方法能有效地实现对目标威胁等级的确定.     

基于扩充Modelica的复杂系统多层次并行仿真

为提高复杂系统多学科建模仿真效率,弥补现有多领域统一建模仿真语言(Modelica)不支持并行的缺陷,提出了一个面向复杂系统建模仿真的多层次并行仿真框架,从仿真任务级、实体级和模型级3个应用层次上充分发掘仿真系统的并行性.将MPI(Message Passing Interface)/OpenMP中的并行元素加入Modelica语言,并通过所提出的代码映射机制将Modelica文本转换为支持并行编程的高级代码(C++),再利用一定的任务分配机制将高级代码在多层次并行平台(多核集群)上高效执行.针对某典型军事复杂系统优化迭代过程进行仿真实验,结果表明上述多层次并行仿真方法能大幅提高仿真效率.     

一种中继无人机快速部署策略

针对任务规划中中继无人机部署效率低，部署方案无法满足最少数量要求等问题，提出了一种中继无人机快速部署策略。首先，根据最少中继节点的任务要求，建立了基于最少中继节点的部署模型。其次，优化了深度优先搜索算法的搜索方式，实现了节点间可行链路的快速搜索。最后，在人工蜂群(ABC)算法中引入快速深度优先搜索(DFS)算法，来求解最少中继节点部署方案。仿真结果表明:在相同任务规模下，所提策略的求解速度相较于改进前提高了53.56%左右，部署的中继无人机数量相较于现有方法减小了11.88%左右。      

基于Transformer模型的滚动轴承剩余使用寿命预测方法

准确的滚动轴承剩余使用寿命(RUL)预测对保证机械安全运行和减小维修损失起着至关重要的作用。为提高滚动轴承RUL预测准确率，提出一种基于Transformer模型的轴承RUL预测方法，充分利用其自注意力机制与编码器-解码器结构的优势，解决轴承RUL预测中序列过长而导致的记忆力退化问题，挖掘出输入特征与轴承RUL之间复杂映射关系。同时，采用三角函数变换与累积变换来修正输入特征的单调性与趋势性，使其能更好地表征滚动轴承的退化过程。在PHM2012数据集上的实验结果表明：所提方法相比于对比方法平均绝对误差分别降低了9.25%、28.63%、34.14%，平均得分分别提高了2.78%、19.79%、29.38%；在XJTU-SY数据集上的实验结果表明，所提方法相比于对比方法均方根误差降低了17.4%，平均得分提高了18.6%，进一步证明了其可行性与优越性。     

产品协同设计中异构模型数据融合的有效策略

针对复杂产品设计中，不同设计工具产生的模型数据之间的融合问题，提出了一种工具间端到端的异构模型数据融合策略。利用数据库管理动态特性，通过模型信息共享，实现异构模型数据之间的融合。在OpenMBEE系统集成环境中，通过建模工具CREO二次开发，利用所提策略获取全生命周期设计中的动态模型属性信息，通过3D模型编辑及重用功能测试，验证了所提策略的有效性。利用自动获取可视化模型属性信息的智能算法，设计一种基于Transformer模型与双向长短期记忆(Bi-LSTM)模型相结合的模型属性智能提取算法，利用神经网络的多层感知特性，通过对模型中属性文本信息进行深度学习、特征分析，实现了对异构数据属性信息的自动提取功能。利用CAMEO建模工具设计的需求分析模型构建模型数据集，验证了智能模型信息自动提取功能的有效性。      

基于行人姿态的轨迹预测方法

在自动驾驶领域，行人轨迹预测一直是研究热点之一，行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互，忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此，提出一种基于行人姿态的卷积编码器-解码器网络(PKCEDN)来预测目标行人轨迹的方法，所提方法包含基于卷积、长短时记忆(LSTM)网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试，与Linear、LSTM、Social-LSTM、Social-生成对抗网络(GAN)、SR-LSTM和M_sgtv等主流方法相比，在保证预测速度不降低的前提下，平均误差降低约36%。