武装直升机在杀爆弹打击下的易损性及防护策略

为研究武装直升机对小口径杀爆（HE）弹的防护策略,建立了某型武装直升机在小口径杀爆弹打击下的易损性模型,计算了典型受攻击方向的武装直升机易损面积,并将武装直升机底面划分为不同区域,计算了各区域的防护效率。计算表明,武装直升机最易损方向为其右后下方,此方向的易损面积为6.97 m2,结合武装直升机的外形特征,得出底面和侧面应当优先防护。对于武装直升机底面,前后燃油箱所在的2个区域的防护效率均达到50%以上,在布置装甲重量有限的条件下可优先防护该区域。另外,在主机身与机尾舱之间增加隔板可阻挡弹丸爆炸后横向飞散的破片,与直接防护武装直升机尾部相比,其防护效率由2.93%提高至11.07%。      

基于改进GERT的任务过程时间特性建模分析方法

随着系统任务需求的日渐密集,用户对系统的时间特性提出了更为严苛的要求。首先,利用图示评审技术（GERT）构建系统任务流程的随机网络模型,针对任务中由于资源共享引起的活动排队执行以及部分上下游活动之间存在重叠的情况,基于排队论并引入时间因子以修正任务中各活动的执行时间,并给出任务执行时间的求解步骤。经考虑这2种情况,最终任务平均执行时间增加了22.9%。其次,通过不确定性分析,找出了任务中的关键活动,为进一步任务优化提供方向和思路。最后,以舰载机着舰任务为例进行案例应用分析,验证所提建模分析方法的有效性和适用性。      

LaBr3(Ce)元件破损在线监测关键核素确定及效率校准

常用的元件破损在线监测方法受外在因素影响较大,以γ能谱中关键裂变产物核素比活度进行在线定量分析是一种可靠的元件破损监测方法。针对新型LaBr₃(Ce)元件破损监测仪,设计了元件破损模拟实验,对逸出的裂变产物采用HPGe和LaBr₃(Ce)探测器进行了对比测量。通过不同冷却时间γ能谱的核素分析,确定了¹³⁵Xe,⁸⁸Kr,¹³⁸Xe,⁸⁸Rb,¹³⁸Cs等可作为LaBr₃(Ce)元件破损γ能谱监测的关键核素。同时,制备了覆盖能量范围(250～2 400)keV,含⁶⁰Co,¹³⁷Cs,¹³³Ba;²⁴¹Am,¹⁵²Eu;¹⁰⁹Cd,⁸⁸Y,⁵⁷Co及²⁴Na的4组放射性标准溶液,在建立的效率校准系统上,校准了LaBr₃(Ce)在线监测仪的效率。在反应堆一次异常情况分析中,已校准的LaBr₃(Ce)元件破损监测仪对关键核素的现场分析结果与HPGe的取样分析结果一致,表明效率校准结果准确,校准方法可靠。     

层次分析法在仿真系统可信度评估中的应用

以某仿真试验验证系统为例,在仿真试验验证系统VV&A 工作的基础上,运用层次分析法（A HP）对仿真试验验证系统的可信度进行了评估,得到了量化的可信度评估结果。该方法直观、条理性强、切实可行,具有一定的实际应用价值。     

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段,是运行调控的基础。由于影响因素众多,不同因素间耦合关联复杂,且标定样本很难获取,空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系,准确提取能够最大化复杂度评估信息量的主成分,进一步设计了可按需定制的主成分聚类方法,实现了无监督条件下空域复杂度的准确评估,为空域划分、流量管理提供了有效的技术支撑。     

非恒定增压式微尺度拉瓦尔喷管流动特性

针对微尺度喷流在航天器运动状态切换时出现的非恒定增压变化,采用直接模拟蒙特卡洛(DSMC)方法对阶跃式增压和线性式增压两种模式下的微尺度拉瓦尔喷管流场进行了模拟,并对其变化过程中的流动特性进行了对比分析。结果显示：阶跃式增压会导致流动特性出现较大幅值的峰谷式波动,而线性式增压下的流动特性则呈现出线性变化的特点;黏性力对微尺度喷流的非恒定增压变化产生了重要的黏滞作用,在喉部扩张段至出口的流场中尤为明显;在设定的条件下,阶跃式增压过程中喷流产生的总冲量较线性式增压高59.5%,质量流量高74.7%,单位工质提供的冲量低约8.6%,波动性也高于线性式模型,阶跃式增压适用于系统需要较大推力改变运动状态且推进剂充足的情况,而线性式增压在系统精确微调或需要推进剂产生更高效能时具有明显的优势。     

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来,卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性,已被认为是最有前途的CNN硬件加速器,但是受FPGA计算能力、存储资源的限制,基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先,研究了适用于三维运算的Winograd算法一维展开过程;然后,通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法,优化算法每个卷积层的时钟周期数减少了7倍左右,相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究,证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度,并改善在FPGA运行CNN的性能。      

基于DDPG算法的变体飞行器自主变形决策

针对变体飞行器的自主变形决策问题,提出了一种基于深度确定性策略梯度(DDPG)算法的智能二维变形决策方法。以可同时变展长及后掠角的飞行器为研究对象,利用DATCOM计算气动数据,并通过分析获得变形量与气动特性之间关系;基于给定的展长和后掠角变形动力学方程,设计DDPG算法学习步骤;针对对称和不对称变形条件下的变形策略进行学习训练。仿真结果表明:所提算法可以快速收敛,变形误差保持在3%以内,训练好的神经网络提高了变体飞行器对不同飞行任务的适应性,可以在不同的飞行环境中获得最佳的飞行性能。