分布式信任模型在嵌入式Internet中的应用研究

为了充分利用嵌入式设备的联合处理能力,嵌入式设备之间必须进行一系列的合作.信任是人们进行社会交往的基础,人们之间的信任关系在不断地更新和传递.依据这种原理,提出了一种基于社会信任关系的协同工作分布式网络模型.嵌入式Internet系统中的设备在协作过程中,互相之间逐步形成了一种相互信任的关系,这种关系以信任表的形式存在本地端点中,并通过不断地自学习来修改信任表.给出了信任模型的建立过程以及信任参数的更新和传递算法,应用实例表明了模型的有效性.     

高性能的标准单元库设计

从仿真和流片两个方面对标准单元库的验证方法进行了研究.在仿真方面,提出了采用静态时序分析工具和SPICE仿真工具对单元的估算值和仿真结果进行比较分析的方法来验证,同时还给出了具体的操作步骤实例.在流片验证中,提出了一种非常有效的电路结构.这种电路结构不但能够准确验证时序,还能极大地减少PAD数量;最重要的特点是:该电路能够完全避免PAD和非被测单元的引入带来的额外延迟,从而得到准确的被测单元延迟.     

一种混合的多机动目标跟踪算法研究

提出了一种混合的多机动目标跟踪算法:交互多模型模糊联合概率数据关联算法(IMM-FJPDA),该算法将交互多模型算法(IMM)和模糊联合概率数据关联算法(FJPDA)相结合,它克服了IMM-JPDA算法计算量大和IMM-FDA算法在强杂波环境中跟踪精度差的问题.给出了基于模糊C均值(FCM)算法的多机动目标跟踪步骤.仿真结果表明IMM-FJPDA算法跟踪精度与IMM-JPDA算法相当,但计算量明显减小,提高了跟踪实时性.     

基于模块的标准ATLAS语言及其应用

面向模块的ATS设计是现代测试技术的重要分支.论述了测试语言ATLAS的产生、发展过程,分析了其存在的问题.指出基于模块的ATLAS是标准的测试语言,详细介绍了它的特点、模型结构及在现代ATS设计中的应用,满足了TPS可移植性的发展要求,代表着现代测试语言的发展方向.     

热防护系统损伤容限分析

建立了含初始矩形损伤的热防护系统(Thermal protection system,TPS)气动热分析的CFD数值模型,分析结果表明损伤区域侧壁出现了很高的热流密度峰值,并且迎风面侧壁峰值高于背风面,而损伤区域底部热流密度却很低。利用分析获得的热流密度建立了含损伤和无损伤TPS的有限元传热分析模型。分析结果表明:损伤的存在导致防热瓦最高温度急剧上升,超过其材料能承受的极限温度(1 500℃),防热瓦首先失效,而损伤对机体最高温度影响较小。最后进行了TPS损伤容限分析,在防热瓦极限温度约束下,外部热流密度最大值从100kW/m2增加到140kW/m2,矩形损伤宽度最大容许值从22.7mm减小到12.6mm,而弧形损伤宽度最大容许值从34.6mm减小到25.1mm,即随着外部热流密度最大值增加,损伤宽度的最大容许值降低,并且相同外部热流密度水平下弧形损伤宽度的最大容许值大于矩形损伤。     

飞机液压系统柱塞泵热分析

随着飞机液压系统向高压化、大功率化方向发展,液压系统的发热及温升问题受到了广泛关注。柱塞泵作为液压系统中重要的能量转换装置,对液压系统的功率损失和温度有重大的影响,良好的柱塞泵的热分析对液压系统的热设计和温度控制有重要的意义。然而传统的柱塞泵热分析方法,如平均油温法、软件仿真法和热节点网络法,因不够准确、高效和简洁而不能满足现代飞机液压系统热分析和热设计的相关需求。本文针对飞机液压系统柱塞泵发热的相关问题,采用基于集总参数的热网络分析方法,建立了柱塞泵热网络模型,通过对柱塞泵不同工况下的仿真,验证了模型的有效性和准确性,为柱塞泵及液压系统的热分析提供了参考。     

散射对高温气体-碳黑颗粒混合物辐射传输的影响

基于全光谱k分布(Full spectrum k distribution,FSK)模型、MIE理论和有限体积法(Finite volume method,FVM),构建了均温、均质辐射参与性气体-碳黑颗粒混合物介质热辐射传输模型,并分析了碳黑不同尺寸、不同体积浓度以及介质不同路径长度和不同温度条件下,因忽略碳黑颗粒散射所导致的介质热辐射传输特性(如辐射热流、辐射源项)的计算误差。研究结果表明:体积分数不变,增大粒径,计算误差呈现出先增大后减小的趋势;数密度不变,增大粒径,或者粒径不变,增大体积分数,均将使得计算误差相应增大;粒径、体积分数不变,增大路径长度,或者升高介质温度,均将增大计算误差。通常对于含有大颗粒、高碳黑浓度的辐射参与性气体-碳黑颗粒混合物介质,碳黑颗粒散射不能忽略。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。     

变体辅助的无人机栖落机动模糊控制设计

无人机（Unmanned aerial vehicle, UAV）的栖落机动是一种大幅度的俯仰运动,易引起升降舵操纵力矩饱和。本文以变体方式增强无人机的俯仰操纵能力,并研究其对应的控制设计方法。首先对栖落机动建立了纵向动力学模型,并通过采用轨迹线性化和张量积变换方法转换得到T-S模糊模型。基于Lyapunov稳定理论和平方和方法,设计了满足控制输入约束的栖落机动多项式模糊控制器。对非变体与变体下的栖落机动控制过程进行了仿真,结果验证了控制律的有效性,并且表明变体辅助的无人机具有更强的操纵性能,能提高栖落机动中升降舵的抗饱和能力。     

基于未知输入观测器的四旋翼无人机故障诊断与模型参考容错控制

对四旋翼无人机（Unmanned aerial vehicle, UAV）姿态控制系统的执行器故障诊断问题进行了研究,在系统模型方面全面地考虑了模型的非线性和四旋翼无人机在飞行过程中受到外部干扰的情况。由于未知输入观测器可以将干扰、误差等作为未知输入进行处理,对干扰不敏感而对故障比较敏感,故设计了一种新的未知输入观测器进行故障诊断。同时为了保持四旋翼无人机在故障发生后的稳定性或者仍然可以按照预定轨迹运动,在得到准确的故障估计后为四旋翼无人机姿态控制系统设计了模型参考容错控制器,使其可以跟踪给定的参考模型。仿真结果证明了本文提出的故障诊断与容错控制方法的有效性。