网络化战争中的复杂网络拓扑建模

网络化战争中网络拓扑模型的构建是利用复杂网络理论研究网络化战争的基础。本文根据网络化战争的特点,从复杂网络动力学角度,对BA模型进行扩展,通过在节点分类和连接规则两方面增添假设,构建了网络化战争中的复杂网络拓扑模型。仿真结果表明,在该演化规则下生成的网络具有无尺度和小世界特性。对网络模型抗毁性的研究为网络化战争中攻击节点的选择及网络的构建和改进提供理论依据。     

基于神经网络与自适应控制的系统重构方法

针对可重构飞行控制系统提出一种基于神经网络的抗扰动方法,其核心是运用神经网络的函数逼近能力去抑制非线性形式且动态特征未知的扰动。同时提出一种基于输入误差的自适应模型跟踪控制算法,可以保证系统在发生故障或局部损坏时的安全性和稳定性。将神经网络与自适应控制结合,从而降低扰动对故障检测和系统重构的影响,进而有效的降低故障误报率,提高系统的安全性。通过一个具体航空系统的仿真结果证实了该方法的有效性。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

利用神经网络预报太阳质子事件后的地磁扰动

通过分析几十个典型太阳质子事件表明,具有以下特征的质子事件其后1－3天内一般有强烈地磁扰动发生：1．质子耀班级别和亮度较大（3B以上）;2．质子通量在上升阶段增加很快,而在下降阶段相对来说衰减也很快（尤其是在峰值附近）;3．电子通量远远大于质子通量并且和质子通量有相似的变化规律．在此基础上,利用神经网络预报太阳质子事件发生后3天内地磁扰动的趋势．     

利用人工神经网络预报大磁暴

本文采用阈值预报的策略和人工神经网络BP模型,以13个太阳风参量和地磁AE,Dst指数作为输入,以0或1作为输出,提前4h预报大磁暴主相发生的时刻．结果表明,采用神经网络方法的阈值预报可以对灾害性磁暴的发生提前数小时做出比较准确的预报．     

DIS系统中的DR算法与参数递推

DIS 作为一项现代仿真技术,在多兵种、多种武器平台的联合作战仿真与训练演习方面有着极其重要的作用,而DR技术是构造DIS系统的关键技术之一.本文首先介绍了采用DR技术的意义及特点,以及通常采用的DR算法.然后介绍一种本文采用的参数递推算法.这种算法基于二阶传递函数思想,含有自然频率和阻尼系数这两个特征参数,特征参数可由前三帧的状态值实时计算得到.文章最后对算法优劣进行了评价,并给出了仿真运行结论.     

基于图像智能识别技术的拉力计自动检定系统

采用标准力值传感器、丝杆升降机及挂架结构取代砝码下挂方式,构成拉力计自动检定系统。采用步进电机驱动螺旋升降机丝杆解决了加载机构自动力值加载问题。系统自动采集标准传感器输出力值数据。采用摄像设备实时拍摄拉力计游标移动位置图片,上传到计算机,采用Hopfield神经网络智能识别软件进行识别处理,获得游标位移的数字信息,转化为测力计读数信息,由此构成拉力计自动检定系统,从而提高检定自动化水平和工作效率。     

非结构化数据的多粒度集成分类方法

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中,数据被划分成不同的粒度,用于训练不同的基学习器,这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重,从而构造出一个较好的集成学习器。在实验中,本文验证了所提出模型在3种非结构化数据类型（文本、医学图像和时间序列）上的有效性。实验结果表明, 本文的模型比现有的基准方法简单,具有较好的分类精度,并且能够为数据的分类提供可解释性。     

Mobility control of unmanned aerial vehicle as communication relay in airborne multi-user systems

In this paper, a model-based adaptive mobility control method for an Unmanned Aerial Vehicle(UAV) acting as a communication relay is presented, which is intended to improve the network performance in airborne multi-user systems. The mobility control problem is addressed by jointly considering unknown Radio Frequency(RF) channel parameters, unknown multi-user mobility, and non-available Angle of Arrival(AoA) information of the received signal. A Kalman filter and a least-square-based estimation algorithm are used to predict the future user positions and estimate the RF channel parameters between the users and the UAV, respectively. Two different relay application cases are considered: end-to-end and multi-user communications. A line search algorithm is proposed for the former, with its stability given and proven, whereas a simplified gradient-based algorithm is proposed for the latter to provide a target relay position at each decision time step, decreasing the two-dimensional search to a one-dimensional search. Simulation results show that the proposed mobility control algorithms can drive the UAV to reach or track the optimal relay position movement, as well as improving network performance. The proposed method reflects the properties of using different metrics as objective network performance functions.     

远程操控飞行器自适应神经网络观测器设计

针对无人飞行器远程操控系统设计时,由于远程操控飞行器动力学的非线性和飞行器控制系统性能的不确定性,无法精确建立远程操控飞行器控制系统模型的问题,提出了一种自适应神经网络状态观测器设计方法实现对远程操控飞行器的控制系统模型的估计。首先将飞行器的动力学环节与自动驾驶仪构成的闭环回路作为一个整体建立了远程操控飞行器控制系统的非线性模型。然后针对模型中存在未建模动态的问题,采用神经网络算法对非线性动力学模型进行在线辨识,并引入鲁棒项对附加扰动进行抑制。最后设计自适应律对神经网络的权值进行实时调整,保证了系统的稳定性,并基于Lyapunov理论证明了观测器的估计误差是最终一致有界的。仿真结果表明,所设计的观测器能够保证远程操控飞行器在存在未建模动态和附加扰动的情况下对飞行状态具有良好的估计性能。