导航计算机应用软件快速更新方法研究

目前,大多数嵌入式开发系统的软件更新必须通过硬件仿真器来实现,不便于系统的维护.良好的可维护性是嵌入式系统性能的一个重要方面,在一定程度上决定系统能否被广泛应用.本文针对南航导航研究中心自主开发的微小型导航计算机,研究了利用串行通信的方式实现应用软件快速更新的方法,解决了程序的定位、代码传输等问题,提高了系统的可维护性,体现了方法研究的实用价值.     

IP多播技术的无根多播实现

随着互联网的发展,IP多播技术在需要大量带宽的多媒体应用中的地位日益重要.对IP多播技术进行全面介绍,分析其原理及应用,并着重探讨在灵活性、互动性强的多点对多点通信应用中,采用无根多播的方法来实现的优势和关键.     

基于时滞分割技术的时滞神经网络系统时滞相依全局稳定性分析

通过构造一个新的增广 Lyapunov-Krasovskii泛函,利用时滞分割技术并结合自由权矩阵、Jensen积分不等式,得到一个时滞神经网络系统时滞相依全局渐近稳定新判据。该判据以 LMI的形式给出,便于计算和验证。数值实例表明,文章结果改进了相关文献结论,具有更低的保守性。     

民航订座系统PNR容量扩容

对民航订座系统中的旅客记录编号容量扩容、PNR位数升级等进行了研究;提出了PNR位数升级“5／6位并存”的平缓过渡方案。提出了两个“控制开关”的设计方案,即为降低程序上线与投产风险所设计的系统切换开关;为应对其他外航系统不能及时兼容系统升级而设计的外航交互开关。方案已运用于中国民航订座系统的改造,不仅实现了PNR容量扩容,同时保障了系统运行稳定,并最大程度降低了对周边系统的影响。     

“动中通”天线罩介电性能分析与比较

本文就移动卫星通信系统(简称动中通)中几种天线罩的结构形式、夹芯材料介电性能分别进行了分析与比较.分析和对比是采用理论分析、实物对比以及现场测试相结合的方式进行,测试的方法是利用同一套移动卫星天线系统,在同一环境条件下进行测试.结果表明:球形顶结构的芳纶纸蜂窝夹芯材料天线罩介电性能最为优良.     

BVR空战仿真中具有分层学习能力的CGF实体行为仿真框架设计

针对超视距协同空战仿真是一个复杂系统的仿真特点,通过对预警机指挥引导下的多机协同空战过程的分析,建立了超视距多机协同空战行为功能框架,总结出多机协同空战过程中的影响因素。在分析了现有各种CGF系统体系结构及行为仿真框架基础上,结合超视距空战过程中各作战阶段的特点,建立了具有分层学习能力的编队协同空战自主兵力系统FCAF(Formation and Cooperative Air Combat Autonomous Force System,编队协同空战自主兵力系统)行为仿真框架,并给出了该行为仿真框架组成模块的形式化描述。仿真系统应用表明,在该框架中作战行为可以分解为一系列具有经验学习功能的行为基,并且各行为基可以重新组合,全面诠释了协同作战行为仿真的作战过程。     

某三余度计算机及其接口模块工作模式设计

对于大型无人机系统来说,三余度电传飞控系统具有最合理的性价比。介绍某大型无人机三余度飞控计算机系统的总体设计和实现方案。系统采用相似三余度容错结构,通过高速交叉通道数据链和同步技术保证不同余度之间控制输出的时间和空间一致性。为增强系统处理能力,采用智能接口模块分担主CPU的工作,智能接口模块具有独立的BIT功能,采用双口存储器实现与处理器模块信息交互,硬件接口支持软件动态可配置。     

一种全速率协作通信系统传输方案

针对协作通信带来链路传输效率降低的问题,在译码转发中继方案的基础上,提出一种新的全速率协作通信传输方案。首先给出全速率协作通信系统的接收信号模型,并利用矩函数方法理论推导给出全速率协作通信系统最大似然接收机的链路成对差错概率及链路分集增益,理论分析表明：全速率协作通信传输方案可获得1符号/时隙的传输效率,且最大似然接收机可获取4重分集增益。计算机仿真结果证明理论分析的正确性。     

基于RBF神经网络的开关磁阻电机在线建模 及其实验验证

 为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建模;在线建模是指当SRM的运行状态发生变化时,离线模型的估计磁链与实际磁链会产生误差,通过对神经网络的输出权值进行在线调节,实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性,针对一台12/8结构的SRM样机进行仿真和实验,结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性,而且在线模型的估计精度高于离线模型,验证了本文的研究方法合理有效。     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.