载人飞船回收着陆半实物仿真系统关键技术研究

载人飞船回收着陆半实物仿真系统是通过模拟飞船返回压力环境,将回收程控装置硬件实物接入仿真回路的一个半实物仿真试验平台。文章简要介绍了该半实物仿真系统的结构,重点叙述了该半实物仿真系统中特有的负压高精度快速调节压力模拟、多通路指令信号处理、混合式网络、多阶段动力学仿真框架等关键技术。     

基于深度置信网络的直升机飞行动作识别

针对直升机飞行参数进行飞行动作识别问题,利用直升机实际飞行、操纵、飞行动作和动力学模型分析将 300 多个飞行参数降维为 112个特征参数:利用主成分分析提取参数相关度、利用线性判别分析进行特征提取,实现 PCA 和 LDA 双降维,进一步构建深度置信网络。与支持向量机和随机森林对比,经实际应用验证,该算法能有效实现飞行动作识别准确率,具有较强的实用性和机型之间迁移性。     

基于经验直觉的无人机威胁规避机动决策方法

针对无人机飞行过程中遇到威胁需要及时安全规避的问题,本文提出一种基于经验直觉的无人机机动规避决策算法.首先将无人机威胁安全规避机动过程中所获取的态势信息,按照规避机动区域进行结构化处理并标注相应的机动决策标签,建立基于数据的无人机情景决策知识库.其次,利用无人机情景决策知识库中的数据训练长短时记忆网络以实现情景与机动决...     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用,其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标,基于复杂网络理论,应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型,详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系;通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱,基于节点介数的蓄意攻击效能最强;节点密度、信号辐射半径越小,VANET连通性越差,网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

无人机网络中数控分离的安全传输机制

数据和飞控指令的安全性是无人机网络安全性的一个重要方面。针对现有的无人机网络安全机制中的不足,本文提出了一种数控分离的安全传输机制。针对无人机向地面站发送的数据采用基于高级加密标准的计数器和密文分组链接消息认证码（AES-CCM）认证加密机制的数据安全传输协议,保证数据的机密性和完整性,针对地面站向无人机发送的飞控指令设计了基于一次签名的飞控广播认证协议,保证飞控指令的完整性。通过安全性分析,证明所提出的方案能够保护数据的机密性和完整性,以及飞控指令的完整性。最后,通过仿真试验分析了所提出方案的性能,结果表明,所提出的数据安全传输协议发送100B和1KB的消息时,平均每个消息的认证加密时间和解密验证时间均不超过1ms;所提出的飞控广播认证协议在使用不同的哈希函数时,对1MB的飞控指令生成签名和验证签名的时间为1～2.7ms,在实际应用中具有高效性。     

员工互联网闲散行为与工作绩效关系研究——工作满意度的中介作用和组织公平感的调节作用

通过构建一个有调节的中介模型,探究组织公平感在网络闲散行为与工作满意度间的调节作用,使用偏差校准的Bootstrap方法检验工作满意度在网络闲散行为与工作绩效间的中介作用。结果表明：工作满意度在网络闲散行为与工作绩效之间起部分中介作用;组织公平感在网络闲散行为与工作满意度之间起调节作用。因此企业管理者应加强对员工网络闲散行为的重视,通过提高员工的组织公平感和工作满意度,降低网络闲散行为带来的消极影响,进而提高工作绩效。     

智能化舰船要害检测、轨迹预测与位姿估计算法

准确检测与打击舰船要害部位可有效提升反舰导弹毁伤效能。针对舰船要害部位检测精度低、导引误差解算精度不足等问题,提出基于深度学习的舰船要害关键点检测、轨迹预测与导引头位姿估计算法。融合深层语义信息与浅层定位信息,采用SoftPool池化保留细粒度特征,提升多角度多尺度舰船要害部位检测精度;将关键点检测结果与舰船空间结构建立映射,解算导引头三维位姿;引入长短期记忆网络挖掘要害打击点时空特征,实现多尺度舰船要害动态轨迹预测。实验结果表明：所提算法对舰船要害部位检测与轨迹预测精度高,导引头位姿估计结果较准确,满足自主突防视角反舰导弹对复杂海战场的态势感知需求。     

基于学习行为的MOOC用户持续学习预测框架

大型开放式网络课程（MOOC）的出现虽然极大地改变了人们的学习方式,但用户在MOOC平台开展学习的学习情况及完成率预测仍是目前一个重要的技术挑战。针对预测的需求,从用户的学习行为中对用户和课程进行分析,采用长短时记忆机对学习者的学习活动进行建模,采用多头注意力机制对用户和课程之间的交互活动情况进行分析,提出一个基于门控单元的特征融合框架,用于学习情况预测。在公开数据集上的结果表明：所提框架能够提升预测精度,使得MOOC平台能够尽可能早地对用户活动进行干预,从而提升整体的MOOC平台使用体验。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求,提出了基于深度学习的翼型反设计方法,利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征,习得特征到翼型的映射关系;判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入,输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型,研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数,快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率;并且在有噪声干扰情况下依旧保持良好的设计性能,增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。