移动Ad hoc网络的入侵检测机制

移动Ad hoc网络(Mobile Ad hoc NETwork,MANET)是一种不依赖于任何基础设施,由移动节点自组织形成的无中心的多跳无线网络。由于其动态拓扑、无线通信等特点,存在严重的安全稳患。本文主要从传输信道、移动节点、动态拓扑、安全机制等方面分析了Ad hoc网络的安全弱点,并提出了一种基于入侵检测技术的安全方案。     

基于因子模糊化BP神经网络的磨损颗粒识别

在引入了一套磨粒形态学描述子来提取磨损颗粒的显微形态特征的基础上 ,采用人工神经网络技术 ,编制了用于磨损颗粒自动识别的 BP网络计算机模拟程序。在网络训练的过程中应用了本文引入的因子模糊化训练方法 ,使训练速度大大加快 ,以异或问题为例 ,速度可提高 5～ 1 0倍。应用此网络对磨粒测试库进行识别实验 ,识别正确率在 90 %以上 ,并且识别速度很快 ,大大优于传统的磨粒识别方法。     

数字地形数据的二维三次卷积插值

由于数字地形数据库是以网格的形式给出网格点上的地形高度信息，在低空突防轨迹优化过程中，往往需要非网格蹼地形的高度信息和地形曲面的导数，这些都是离散的地形数据库所无法提供的。对二维的地形数据进行插值是解决问题的有效手段。本文提出一种二维离散数据的插值方法－－二维三次卷积插值。该插值函数是地形曲面的三次逼近，具有连续的三阶导数，可以非常好地满足低空突防轨迹优化的需要。仿真结果表明，它具有比双线性插值和     

H^2（I）空间上的多分辨分析

Sobolev空间在偏微分方程理论中占有重要的地位，且关于Sobolev空间H^2(I)的多分辨分析（MRA）也已经被建立起来。然而在处理偏微分方程的边值问题时就显得有些不足，尤其是捕捉靠近边界层附近的微波。在本文给出中Sobolev空间H^2(I)的尺度函数以及它们之间的双尺度关系。在其基础上可以直接建立Sobolev空间H^2(I)的多分辨分析（V0真包含V1真包含…），其中Vj是由尺度函数通过平移与伸缩得到的。最后分析了关于Sobolev空间H^2(I)与H^2(I)的多分辨分析关系并给出了Sobolev空间H^2(I)的小波分解算法。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。     

线性多变量系统闭环特征结构的最优配置

本文利用特征结构配置法所揭示的线性多变量反馈控制系统闭环特征值和特征向量的配置自由度,求解具有二次型性能指标的控制系统设计问题,使得闭环系统在具有任意给定的希望特征值集合条件下,性能指标达到极小。文中建立了最优二次型性能指标与闭环特征结构的关系,提出了逐个优化特征向量的算法,这一算法概念直观并具有较高的运算效率,可以推广到一般的特征结构优化问题。     

基于CORBA的固体火箭发动机多Agent系统

采用CORBA开发固体火箭发动机虚拟样机时，由于CORBA技术还存在一些缺陷，我们结合了Agent技术来弥补不足。采用Agent技术将各应用模块包装成为自包容的自治问题求解Agent，使其能对环境变化自主地做出响应。并基于目的采取行动。将多个A-gent按照组织学原理建立组织模型。即多Agent系统MAS(Multi Agent System)。各Agent通过CORBA的协作机制实现系统层次上的复杂功能。同时介绍了分布对象技术、Agent技术及多Agent环境。     

耦合多体系统动力响应计算

由于弹性体与刚体之间的动力耦合，使得耦合多体系统的特征值问题非自共轭，难以用经典的模态分析方法解决含有刚、弹耦合多体系统的动力响应问题。本文以某多体系统为例，建立了耦合多体系统的特征值和边值问题的增广公式，进而求得了用正交的增广特征矢量级数表示的系统对任意激励的响应。     

空间目标可拦截区与可遭遇区的确定

给出了天基拦截器对空间在轨目标的可遭遇区、可拦截区和实际可遭遇区的定义,基于冲量变轨理论,并以真近点角表示这三个区域,给出了确定这三个区域的数值搜索算法。对于非机动轨道目标,训练好的BP神经网络可根据拦截器/目标的相对位置,快速给出目标轨道上的可拦截区和实际可遭遇区。