运载火箭推力下降故障下的在线弹道重构方法

针对运载火箭推力下降故障下难以实现在线弹道重构的问题,提出了一种基于神经网络的剩余运载能力估计及程序角重构的算法。以线下基于工程实践的弹道优化方法生成的故障状态下最优弹道作为学习样本,针对程序角曲线的特点,分别使用不同学习方式学习一级飞行段程序角和其他飞行段程序角;分析不同超参数对神经网络训练过程的影响,利用随机搜索法选取超参数。该算法使用以神经网络为核心的机器学习思想,用基于数据的方式避免了因运载火箭动力学模型复杂而无法在线快速求解最优弹道的问题,能够解决大气环境下弹道重构的难题。仿真结果表明,该算法对剩余运载能力估计准确,重构程序角与最优弹道相比误差小,运算速度相比其他方法优势明显。     

石英晶振老化的建模与模型求解

为预测石英晶振的频率老化，提出了一种非线性时变模型。在一阶马尔可夫假设下，利用多层前向神经网络进行迭代逼近求解。对四种晶体的全部或部分实验数据进行了学习和预测试验。结果表明该模型不仅能拟合函数，而且可在存在野值时，根据以往的数据预测目前的频率。与其他线性模型相比，该模型的预测能力更佳，适用于多种类型的晶振老化模式，预测误差小，有很好的抗噪声能力。     

航空电子通信系统关键技术问题的浅析

现代航空电子综合化技术的发展大大提高了军用飞机的性能 ,信息综合化技术中最重要的技术之一就是航空电子通信技术。基于MIL -STD— 15 5 3B总线 ,本文分析了航空电子通信系统设计中若干关键性问题的解决途径。最后着重说明了某机载ACT飞控系统 15 5 3B总线通信网络的实现技术。     

基于启发式算法的网络可靠性分配方法

由于网络的结构特殊性,已有的经典可靠性分配方法难以直接应用.在AGREE(Advisory Group on Reliability of Electronic Equipment)方法的基础上,根据网络可靠性与部件可靠性的函数关系确定网络部件重要度,运用启发式算法逐步迭代实现了网络k/N端可靠性分配,解决了无法对网络应用串联模型开展可靠性分配的问题.以中国教育网(CERNET,China Education and Research Network)骨干网为案例,应用该方法实现了75%网络节点连通可靠性指标的分配,并进一步分析了迭代终止条件、网络可靠性指标要求等参数对分配结果的影响,通过绘制可靠性随时间变化的曲线证明了分配结果能满足网络可靠性指标要求,说明了该方法的正确性和适用性.     

基于多信号流图的诊断贝叶斯网络建模

多信号流图与贝叶斯网络是两种不同的建模方法,对两种建模方法的异同分析表明多信号流图到贝叶斯网络的转化是可行的.为了降低诊断贝叶斯网络模型的开发费用,提出了一种基于多信号流图的诊断贝叶斯网络建模方法,从模型结构和模型参数两个方面论述了多信号流图向诊断贝叶斯网络的转化方法.依据该方法生成的诊断贝叶斯网络模型具有应对复杂系统故障诊断的证据冲突及不确定性问题的优点.实验证明所获得的诊断贝叶斯网络模型的诊断准确性与多信号流图模型一致.     

无线传感器网络覆盖质量问题

降低功耗、延长寿命是无线传感器网络的一个重要问题,同时,对监测区域保持一定的覆盖质量才能及时捕捉到目标的状态变化.一种广泛采用的策略是选出能够满足监测区域质量要求的最小节点集作为工作节点,关闭其他冗余节点.因此,传感器网络中控制节点休眠与保持覆盖质量是两个重要方面.提出了一个数学模型,求解满足任意给定覆盖服务质量下所需的最小节点数.实验表明,当监测区域与节点感知区域比值较大时,提出的方法更为准确地计算出所需最小工作节点数,且此方法复杂度低、传感器节点的感知区域可以为任意形状.网络覆盖质量与节点休眠率同时达到最大化是一个NP难问题,采用遗传算法进行仿真实验尝试性解决这一问题,为传感器网络实际应用带来重要意义.     

移动Ad hoc网络中的多信道预约MAC协议

移动Ad hoc网络中为有效利用无线信道资源,提出一种多信道预约媒质接入(MRMA, Multichannel Reservation Multiple Access)协议.该协议在公共信道上发送Request-to-Send/Clear-to-Send(RTS/CTS)分组预约信道,采用基于ID的信道选择方案选择无冲突的业务信道传输数据分组,目的节点成功接收完数据分组后在另一个公共信道上回复Acknowledgment(ACK)分组,有效避免了暴露终端问题,使得相邻通信节点对可以同时使用相同的业务信道传输数据分组,空分复用大大提高了无线资源的利用率.采用多信道分别进行不同通信对的业务分组传输解决了在单信道上传输所带来的隐藏终端问题.仿真结果表明,在总信道利用率和平均分组延迟性能上,MRMA协议明显优于IEEE 802.11 RTS/CTS协议.     

电小天线宽带匹配网络的优化设计

提出了一种新型的适合于电小天线匹配的网络拓扑结构并成功地进行了验证.采用了实频数据法和直接优化法相结合的优化方法来设计电小天线的宽带匹配网络.从电小天线的特性出发,分别采用全段匹配和分段匹配的方法设计其网络拓扑结构,利用算法的寻优特性针对电小天线进行宽带匹配设计,显著提高了电小天线的使用效率和性能,并且利用仿真软件进行了计算和验证,最后对这两种方法进行了比对.设计结果表明:经过优化设计后,该电小天线的电压驻波比在100~180MHz内小于2.5且其效率基本上大于30%.所提出的网络拓扑结构非常适用于电小天线的宽带匹配,在设计电小天线以及其它天线的宽带匹配网络上具有很大的应用前景.     

Equatorial predictions from a new neural network based global foF2 model

A new neural network (NN) based global empirical model for the foF2 parameter, which represents the peak ionospheric electron density, has been developed using extended temporal and spatial geophysical relevant inputs. It has been proposed that this new model be considered as a suitable replacement for the International Union of Radio Science (URSI) and International Radio Consultative Committee (CCIR) model options currently used within the International Reference Ionosphere (IRI) model for the purpose of F2 peak electron density predictions. The most recent version of the model has incorporated data from 135 global ionospheric stations including a number of equatorial stations.     

基于时空特征融合的舰船航迹预测方法

针对海上舰船日益增多、海情日益复杂的严峻形势,改进舰船航迹预测方法,实现对海域态势的有效管控成为亟待解决的问题。结合舰船航迹获取简单、数量较大的显著优势,提出利用舰船航迹数据驱动的基于时空特征融合的舰船航迹预测方法。首先,联合卷积神经网络(CNN)和长短时记忆网络(LSTM)构造时空特征融合网络,充分提取舰船航迹的时空特征;然后,利用海量 AIS(Automatic Identification System)数据进行网络训练;最后,利用网络输出的航速和航向对舰船航迹进行预测。仿真结果表明,提出的网络具有准确的舰船航迹预测能力,能够适应舰船机动运动场景。与传统预测方法相比,该方法能够使预测 MSE减少 0.2~1.4,预测性能大大提高。