网络控制中传输延迟的接口延迟模型

针对网络控制应用中的延迟问题,通过将传输延迟与网络接口合并到一起,建立了一种新模型:接口延迟模型,然后给出了接口延迟的求解方法,并对接口延迟在实际应用中的各种有关性质进行了深入的研究.接口延迟模型的建立,使得网络控制的研究可以从具体的传输网络中脱离出来,从而可以直接围绕可测的接口延迟研究网络控制系统.      

海上多平台传感器管理与控制的设计与实现

以实现对海上多平台传感器资源进行自动或半自动的协调管理控制为目标,设计了传感器管理与控制系统的功能结构,对组成系统的传感器信息管理、传感器组织管理、收发通信管理、传感器控制管理和传感器综合效能分析等功能模块进行了描述,采用基于效能函数的多传感器管理算法实现了传感器的任务规划与资源分配,并采用"集中管理,分散控制"的方式进行海上多平台传感器的管理与控制。     

双谐振器敏感结构谐振式传感器

提出一种采用双谐振器敏感结构的谐振式传感器,传感器的敏感元件包括两个结构参数一致的谐振器,传感器的闭环控制系统由两个幅度控制器和一个反相器组成.分析了这样两个谐振器串联的频率特性,指出在谐振器固有频率点上,两个谐振器串联的相移是180°.给出了双谐振器敏感结构谐振式传感器闭环系统的实现方法,同时分析了当两个谐振器的结构参数不一致时,两个谐振器串联的频率特性.分析结果表明,两个结构参数相差不大的谐振器串联仍然可以构成自激闭环.双谐振器敏感结构谐振式传感器的闭环控制系统中去掉了移相环节,避免了由移相环节产生的相位漂移所引入的测量误差,并有效地提高了传感器的Q值.      

动能拦截器末制导启控点的BP网络方法

为了提高拦截精度并减少燃料消耗,研究了动能拦截器KKV(Kinetic Kill Vehicle)比例末制导律下末制导启控点的选择问题.定义了末段制导启控时的期望位置;通过BP(Back Propagation)网络研究期望位置和目标弹道角之间的非线性关系;利用训练后的网络输出期望位置,仿真实验证实期望位置下启控末制导,可以有效地保证拦截精度并减少末制导过程的燃料总消耗.利用该方法获得的期望位置可以实时指导KKV在中末制导交班段调整自身位置.      

适用于Ad hoc网络的EIGamal型门限数字签名方案

现有ElGamal型门限数字签名方案在签名前签名各方需要协商生成一个随机数,该过程计算量与通信量比较大,不能满足Ad hoc网络的需求.将组合公钥的思想引入到ElGamal型门限数字签名的随机数生成中,为Ad hoc网络提出一种门限数字签名的改进方案.方案由密钥初始化和门限签名两部分组成.密钥初始化时,签名各方使用分布式密钥生成协议协商出系统公/私钥对和一个随机数矩阵,每个节点掌握部分私钥和部分随机数矩阵;门限签名时,每个签名方使用相同的算法在掌握的部分随机数矩阵中选择随机数进行部分签名;最后将部分签名合成整体签名.对提出的方案在随机预言(RO, Random Oracle)模型中进行了安全性证明.实用性分析表明:方案计算复杂度低,交互次数少,通信量小,有很好的执行效率与签名成功率.     

微硅加速度传感器的动态特性补偿方法研究

提出了一种用以扩展加速度传感器使用频率范围的动态特性补偿方法,其基本原理是根据加速度传感器的输入输出传递函数,构造出一个基于硬件的补偿网络,这个补偿网络的传递函数的零极点分别与加速度传感器的传递函数的极零点相抵消,从而使由加速度传感器输出的信号经过补偿环节后其动态特性得到补偿,扩展了加速度传感器的使用频带,同时并不要求加速度传感器处于临界阻尼状态。     

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。     

基于飞行资源分离的航班延误传播研究

在航班串设计及机组排班过程中,经常涉及飞行资源(飞机、机组)分离的问题。而延误航班的飞行资源分离将导致共享资源的衔接航班发生延误,并传播至后续航班串。本文考虑带有飞行资源分离的航班串,利用基于贝叶斯网络的比例风险回归模型,对资源分离后的航班离港延误进行分析。对比两种不同时刻飞机与机组资源分离方案下,各延误因素对衔接航班离港延误,以及整个后续航班串延误时间的影响,结果表明,不同时刻分离方案会造成不同的延误传播效果。本文为飞机、机组资源分离时刻的选择提供了定量分析方法,结果表明,资源分离时刻的不同对衔接航班的离港延误,以及整个后续航班串延误波及时间的影响都不同。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system,BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法。然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题。为此,本文提出了基于函数链神经网络（Functional-link neural network,FLNN）的深度分类器（FLNN based deep classifier,FLNNDC）,旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点。和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。