FC互连的可靠性建模

对于光纤通道 (FC)互连的可靠性计算问题,从FC的基本模型出发,提出了基于任务的系统可靠性分析方法,建立了FC互连系统的可靠性模型,并给出了系统可靠度矩阵的表达形式.针对FC互连3种基本拓扑结构:点到点、仲裁环和交换网络,根据可靠性模型直接给出了表达式;针对FC组合拓扑结构连通性的特点,在可靠性模型中引入桥端口的概念,给出了组合拓扑结构互连可靠性模型的表示方法;针对FC协议中的交换网络和仲裁环组合拓扑结构互连给出了建模实例,通过分析桥端口对任务路径的影响,得到了桥端口对于FC互连可靠性影响最大的结论.基于任务的可靠性建模和计算方法在航电系统设计阶段对于任务划分和拓扑选择都将起到指导作用.     

舰载飞机进舰降落信号员模型建模

舰载机在航母上降落面临着极其复杂的环境,末端进舰阶段需要降落信号员(LSO)的信号指引,在舰载机的人机系统仿真模型中,需要包括LSO的模型.分析了舰载机进舰飞行过程中LSO的作用和行为特征.针对LSO对飞行距离、航迹偏差判断和指令决策的行为特征,采用模糊逻辑建立了相应的行为模型.针对 LSO对舰船运动预测的行为特征,利用神经网络建立其行为模型,对几种典型进舰情况进行仿真,验证 LSO模型的合理性.      

基于Hopfield网络的飞机设计

Hopfield神经网络与增广拉格朗日乘子法相结合来求解非线性约束优化.神经网络作为求解乘子法的子问题的动力学方法,仅需计算一阶导数.引入逐渐衰减的高斯噪声信号构造随机神经网络.同时针对随机网络受初始温度制约,跳出局部极小值能力有限的问题,网络运行采用结合模拟退火的欧拉法.用该方法对某喷气教练机进行总体优化设计,结果表明,算法的数值稳定性较好,求解精度高.并基于拉氏乘子提供的约束敏度信息,做了设计要求权衡.最后研究了某型干线旅客机的机翼气动/结构综合设计问题.      

Behrens-Fisher问题的信赖与贝叶斯精确区间估计

两正态总体均值与标准差均未知时的均值差的区间估计问题,称为Behrens-Fisher问题。给出了问题的共轭型先验与无信息先验下的Bayes精确区间估计及其计算方法,并指出可信水平为γ时无信息先验的Bayes精确区间估计与Fisher的Fiducial水平为γ的Fiducial精确区间估计在数值上一致。将Welch&Aspin近似与无信息先验的Bayes精确区间估计作比较,结果显示此近似一般偏冒进,故对重要的工程问题建议使用Bayes(或Fiducial)精确区间估计。     

可用于深空信息传输的光纤激光相控阵技术

提出采用面向动态连接的光纤激光相控阵的深空激光通信及全光组网技术,对4~35万千米深空探测链路功率进行了仿真,由于1.55μm掺铒光纤放大器的饱和输出限制,使其安全裕量大大低于1.064μm载波源的安全裕量。模拟了1.064μm的光纤激光相控阵在深空通信中的远场强度分布图,阵元数目为20×20时,阵元间距为20μm、纤芯半径为10μm,远场的扫描角度范围为±1.309°。结果表明,1.064μm光纤激光相控阵光源具有深空链路传输优势,该研究为面向动态连接的激光相控通信的实现提供理论依据。     

基于ICT分布的容迟网络接触模型

在容迟网络中,掌握节点之间的接触间隔时间(ICT)的特性,能够为网络性能分析、路由协议设计以及算法优化等研究提供理论指导和帮助,但目前的ICT模型往往缺乏普适性.通过对节点运动做出一般性假设,基于可靠性数学方法,给出了一个基于ICT分布的接触模型——IDCM.该模型证明了两个移动节点之间的ICT服从指数分布,且指数分布的参数仅与两个节点的历史接触次数和累积ICT有关.在随机方向(RD)移动模型、随机路点(RWP)移动模型、北京市出租车网络、口袋交换网4个数据集上进行了仿真验证,并与基于统计拟合参数的指数分布模型进行对比.仿真实验结果表明,IDCM能够准确反映节点对之间的接触间隔时间分布,且模型准确性优于基于统计拟合参数的指数分布模型.      

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...     

基于神经网络及深层充电的电子通量反演模型

为了实现对空间高能电子通量的估计及航天器深层充放电的风险评估,基于深层充电和空间电子环境的关联性,利用人工神经网络（ANN）建立了一种由深层充电反演空间高能电子环境的模型。以深层充电探测电流密度及电子能量作为模型输入,电子通量作为模型输出,使用AE9模型对神经网络进行训练,将神经网络的MSE降低到了0.04122,并使用Giove A卫星的深层充电探测数据及GOES卫星的电子通量探测数据验证了模型反演电子环境的准确性。同时对由探测电流计算航天器典型介质材料最大内电场的神经网络模型进行了研究,以实现对航天器内充电风险实时评估。     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。