复杂产品系统的风险管理实现研究

提出了一套跨研制单位持续项目风险管理机制.在其风险因素识别阶段.提出了以核对表和鱼刺图为基础的基于特征一因子法的风险因素识别法;在风险量化阶段,提出了先基于模糊综合评判进行单个风险量化、后基于改进PERT方法进行风险整体量化的实现方法:在风险应对阶段,提出了基于人工神经网络和框架知识表示及推理相结合的风险应对方法,建立了混合型专家系统.以实现风险应对智能化.最后,以具体实例说明了该项技术的可行性.     

基于小波矩特征和神经网络的灰度图像识别算法研究

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性。文章研究了基于小波矩的灰度图像特征提取算法,并将其与BP神经网络组合,利用神经网络的强学习能力和容错性,形成一个灰度图像识别系统。仿真实验表明,在图像失真较小的情况下识别率可达到100％,较之未提取特征的神经网络识别方法而言,网络收敛速度与识别精度都有较大的提高。     

二值卷积神经网络综述

二值卷积神经网络（BNN）占用存储空间小、计算效率高,然而由于网络前向的二值量化与反向梯度的不匹配问题,使其与同结构的全精度深度卷积神经网络（CNN）之间存在较大的性能差距,影响了其在资源受限平台上的部署。至今,研究者已提出了一系列网络设计与训练方法来降低卷积神经网络在二值化过程中的性能损失,以推动二值卷积神经网络在嵌入式便携设备发展中的应用。因此,本文对二值卷积神经网络进行综述,主要从提高网络表达能力与充分挖掘网络训练潜力两大方面,给出了当前二值卷积神经网络的发展脉络与研究现状。具体而言,提高网络表达能力分为二值化量化方法设计、结构设计两方面,充分挖掘网络训练潜力分为损失函数设计与训练策略两方面。最后,对二值卷积神经网络在不同任务与硬件平台的实验情况进行了总结和技术分析,并展望了未来研究中可能面临的挑战。     

控制器故障下的软件定义机载网络数据平面迁移策略

软件定义网络（SDN）为突破机载网络功能僵化所造成的瓶颈提供了新的契机。针对软件定义机载网络控制域内控制节点故障问题,提出一种基于时延和负载均衡的传输节点迁移策略,将故障控制节点所管控数据平面中的传输节点迁移至其他正常控制节点,恢复网络的正常管控。以迁移时延和负载均衡率为目标,建立迁移优化模型,提出基于时延和负载均衡的传输节点迁移算法,指导数据平面中的迁移动作,最终对两个性能目标进行综合权衡。实验结果表明,与距离就近迁移（DCM）策略和分布式逐跳（DHA）策略相比,所提策略在迁移时延和负载均衡率2个方面进行了合适的折中,避免出现迁移时延过大或控制节点负载失衡的情况,有效解决机载网络故障恢复问题。     

Storm-time atmospheric density modeling using neural networks and its application in orbit propagation

Upper atmospheric densities during geomagnetic storms are usually poorly estimated due to a lack of clear understanding of coupling mechanisms between the thermosphere and magnetosphere. Consequently, the orbit determination and propagation for low-Earth-orbit objects during geomagnetic storms have large uncertainties. Artificial neural networks are often used to identify nonlinear systems in the absence of rigorous theory. In the present study, an attempt has been made to model the storm-time atmospheric density using neural networks. Considering the debate over the representative of geomagnetic storm effect, i.e. the geomagnetic indices ap and Dst, three neural network models (NNM) are developed with ap, Dst and a combination of ap and Dst respectively. The density data used for training the NNMs are derived from the measurements of the satellites CHAMP and GRACE. The NNMs are evaluated by looking at: (a) the mean residuals and the standard deviations with respect to the density data that are not used in training process, and (b) the accuracy of reconstructing the orbits of selected objects during storms employing each model. This empirical modeling technique and the comparisons with the models NRLMSIS-00 and Jacchia-Bowman 2008 reveal (1) the capability of neural networks to model the relationship between solar and geomagnetic activities, and density variations; and (2) the merits and demerits of ap and Dst when it comes to characterizing density variations during storms.     

遥感图像飞机目标高效搜检深度学习优化算法

为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络（DNN）的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。      

兼顾控制流量的软件定义卫星网络路由策略

软件定义卫星网络（SDSN）通过解耦数据与控制平面,实现网络态势与控制的逻辑集中,为管理卫星网络提供了一种新的思路。在SDSN中,控制报文和数据报文同时在网络中传输,海量、动态、高优先级的控制流量将对数据报文传输产生极大的干扰。因此,提出了一种数据流退让路由（DFRR）策略。在计算数据报文路由时,DFRR将链路上控制流量大小作为影响链路代价的一个因素,以减少选择控制流量较大的链路;在网络操作控制中心（NOCC）连接的过顶卫星切换导致控制流量分布发生较大变化之前,DFRR预测可能发生拥塞的链路,并选出链路上部分数据流进行重路由,从而避免拥塞。在开发的SDSN研究平台OpenSatNet上对DFRR的性能进行了评估。实验结果表明,DFRR能够有效减少网络中的链路拥塞,以及控制报文和数据报文的分组丢失。      

无线网络弱硬实时调度算法

提出了一种结合信道状况考虑的(m, k)-firm弱硬实时调度算法.该算法将消息划分为强制(mandatory)和可选(optional)2种类型,并优先调度强制消息.消息的类型由线下静态分配和线上动态调整共同决定.其中,静态分配使用(m, k)-pattern分配消息类型,动态调整是在不违反(m, k)-firm约束的前提下尽力减少强制消息在差信道状况下传输.理论分析证明:①在假设所有强制消息都实时成功传输的前提下,经动态调整的消息集仍然满足(m, k)-firm;②在使用平均分布(m, k)-pattern时,动态调整之后不改变消息集中强制消息的N次重传可调度性.仿真结果表明,该算法与仅使用静态分配消息类型的算法比较,能够改善弱硬实时的可调度性能,节省无线网络中带宽和能耗的开销.      

地球观测网络成像任务可调度性预测方法

为了能够快速、合理地分配成像任务,充分发挥对地观测网络的观测效能,对成像任务可调度性预测问题进行了研究,提出一种由协同任务分配组件、任务调度组件、特征提取组件以及任务可调度性预测组件所构成的组件化求解架构。在成像卫星经典调度模型的基础上,提取成像任务特征,并采用变隐含层节点的反向传播（BP）神经网络集成技术求解成像任务可调度性问题。仿真结果表明,集成BP神经网络的平均预测准确度可以达到85%以上。     

基于RBF神经网络的自适应PID星钟热控制

星钟的频率稳定性决定了星钟提供时间信息的精度,而频率稳定性取决于星钟物理核心温度的稳定程度.基于RBF神经网络逼近星钟热模型,设计自适应PID控制方法实现星钟物理核心的温度控制.仿真验证了算法的有效性.