管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

MGEX北斗差分码偏差两种精确处理方法对比分析

差分码偏差是北斗卫星导航系统（BDS）在高精度定位和电离层建模中需精确处理的系统误差之一.利用MGEX发布的2017年全年和2018年6月的BDS卫星的差分码偏差数据,比较分析了DLR和CAS分别解算的BDS卫星差分码偏差的日解值、月平均值和稳定性的变化特性.分析结果表明,DLR与CAS估算的BDS卫星差分码偏差值差异不大,具有较好的一致性;2017年CAS估算的BDS卫星C2I-C6I差分码偏差稳定性略优于DLR,C2I-C7I差分码偏差稳定性与DLR相当,且均具有较高稳定性;2018年6月DLR C2I-C6I差分码偏差月平均值稳定性优于CAS;C2I-C7I差分码偏差的稳定性明显优于C2I-C6I差分码偏差,卫星差分码偏差月平均值稳定性优于日解值稳定性.     

军队试验机构计量保障体系建设

本文借鉴美军先进的计量工作经验,以"面向任务、面向装备、面向一线"为指导思想,以准确、敏捷、可靠为目标,结合我军武器试验机构的实际,对计量工作提出了再造制度机制、优化计量专业、拓展职能使命等应对策略,以更好地为我军武器装备的质量建设服务。     

导弹自主编队综合作战效能评估方法

针对导弹自主编队协同制导与控制技术的综合作战效能评估问题,引入了协同制导与控制能力等级(CGCL)的概念,并结合层次分析法(AHP)和ADC效能评估模型建立了导弹自主编队综合作战效能的分析模型,分析了导弹自主编队典型作战想定下导弹编队成员的协同突防概率、交班成功率、命中概率和毁伤概率,分析过程充分考虑了导弹自主编队作战的能力和特点,并在搭建的导弹自主编队攻防对抗综合仿真验证系统上分析和验证了其有效性,为定量地分析导弹自主编队的综合作战效能提供了快速可靠的计算方法。     

非仿射参数依赖LPV模型的变体飞行器H∞控制

变体飞行器可以在不同的飞行环境及飞行任务下自适应地进行结构变形,从而确保飞行过程中具有最优的气动性能。以一类翼展可变的飞行器模型为对象,研究了一种针对非仿射参数依赖结构的线性变参数(LPV)系统的控制问题。在Jacobian线性化基础上,将变体过程中的非线性模型精确拟合为以翼展变形率为时变参数的LPV系统。与大多数LPV控制不同的是,此系统为多项式参数依赖结构,不具有仿射参数依赖形式。利用线性分式表示(LFR)将具有非仿射参数依赖结构的LPV模型转换为等价的线性时不变(LTI)系统。为保证变体过程的稳定,针对此LFR形式的变体模型,在满足二次Lyapunov稳定的线性矩阵不等式(LMI)条件基础上,设计了一类基于状态反馈的H∞控制器。仿真结果表明,上述控制器在外部存在干扰的情况下,能够保证变体过程的全局稳定性。因此基于LFR转换的控制器设计方法不再局限于仿射参数依赖形式,对于广泛LPV系统具有普遍适用性。     

高超声速飞行器纵向系统鲁棒协调控制器设计

飞行器在高超声速阶段,强非线性耦合与不确定性问题给飞行控制系统的设计带来了巨大的挑战。为了研究高超声速飞行器纵向控制系统中的间耦合关系,基于高超声速纵向非线性模型,对其状态变量组与输入变量组进行了耦合采样分析。同时考虑到系统的不确定性提出了一种分层鲁棒协调控制策略。对高超声速纵向的高度和速度子系统设计鲁棒与耦合补偿控制器,对姿态子系统设计鲁棒与耦合转换控制器。利用Lyapunov稳定性理论来分析整个闭环系统的稳定性。仿真表明该控制方法可以有效的应对纵向系统间的强耦合问题。     

GEO卫星霍尔推力器羽流防护结构混合PIC模拟

针霍尔推力器应用于GEO卫星时,羽流会对太阳能翼板表面高透光玻璃盖片产生一定的影响,导致太阳能电池整体输入功率降低。因此,有必要针对羽流的影响对翼板表面进行一定的防护。在对目前国内外羽流安全性评估及防护方面的工作进行一定调研的基础上,针对SPT100应用于典型的GEO轨道卫星时的情况,利用SPIS软件运用混合单元粒子（PIC）方法模拟了两种可能的太阳能翼板羽流防护方案,并分析比较了每种方案的优缺点及防护效果,为推力器在轨飞行时的羽流防护提供一定的借鉴。     

卫星群反作用飞轮的故障诊断方法研究

卫星群飞行技术是航天领域的新兴技术,多个低成本小卫星可以完成较为艰巨的太空任务,但与此同时也会带来更多的故障问题。面对复杂的空间环境,针对卫星群可能发生的故障问题,提出了一种分布式卫星群系统故障诊断方案,通过基于Elman神经网络的故障诊断方法完成对卫星群姿态控制系统的故障诊断。试验结果表明,该方案能够快速检测出卫星群中反作用飞轮发生的故障,并且让邻近卫星通过神经网络也能检测到该故障的发生,表现出很好的准确性和实时性,在实际应用中有效可行。     

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。      

一种基于攻击距离的对抗样本攻击组筛选方法

黑盒对抗样本生成过程中通常会指定1个攻击组,包括1个原始样本和1个目标样本,使得生成的对抗样本与原始样本范数差别不大,但被分类器识别为目标样本的分类。针对攻击组的攻击难度不同导致攻击不稳定的问题,以图像识别领域为例,设计了基于决策边界长度的攻击距离度量方法,为攻击组的攻击难易程度提供了度量方法。在此基础上,设计了基于攻击距离的对抗样本攻击组筛选方法,在攻击开始前就筛去难以攻击的攻击组,从而实现在不修改攻击算法的前提下,提升攻击效果。实验表明:相比于筛选前的攻击组,筛选后的攻击组的总体效果提升了42.07%,攻击效率提升了24.99%,方差降低了76.23%。利用攻击组的对抗样本生成方法在攻击前先进行攻击组筛选,可以稳定并提高攻击效果。