装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。     

多攻击模式下有向复杂网络可控鲁棒性研究

基于有向复杂网络理论,针对军事网络易受攻击的现状,对多重同余网络、无标度网络、q-回路网络、随机矩形网络等不同网络进行了6种不同模式的攻击,并研究了多攻击模式下不同网络的可控鲁棒性。仿真分析了在不同节点移除比率和边移除比率下,观察不同网络在不同攻击下的可控鲁棒性的表现。实验结果表明,随机矩形网络的可控鲁棒性在各种攻击模式下整体优于其他网络,说明具有多环状结构的有向复杂网络可控鲁棒性更强。     

基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.     

网络虚拟现实系统综述

虚拟现实是发展迅速的技术,有很大的应用潜力。网络虚拟现实已引起越来越多的关注。本文概述了目前典型的网络虚拟现实系统以及设计和实现网络虚拟现实系统的关键技术。最后指出,网络虚拟现实作为一个具有吸引力又富于挑战的领域,仍有许多有待研究和突破的问题。     

个性化自适应课件生成器的研究

分析基于Internet的远程教育学习站点存在两个明显的缺点,提出个性化自适应课件生成器的概念,并针对其关键技术问题进行研究与讨论。     

基于仿生原理的超角分辨天线阵设计

以昆虫的声波超分辨定位原理为基础,提出了对应的电小仿生天线阵系统,增强了电小天线阵的角度分辨能力。在具体设计过程中,运用奇偶模分析方法,推导出在不损失功率的条件下,相位差放大因子与天线阵元的阻抗和互耦之间的约束关系,与此同时提出了可获得更大相位差放大因子的设计方法。以此理论为基础,设计了一个二元电小天线阵,仿真并测试了其角度分辨性能,测试结果与理论分析一致,有力地验证了仿生天线阵理论的正确性与设计方法的有效性。     

天地一体化信息网络空间激光通信新技术

空间激光通信是提升天地一体化信息网络传输速率、组网能力、信息安全的重要途径。结合天地一体化信息网络特点,总结国外空间激光通信技术的发展状况,分析有望应用于天地一体化信息网络中的空间激光通信新技术及其优势。希望通过借鉴国外空间激光通信技术发展的经验与启示,促进我国空间激光通信新技术的发展以及天地一体化网络的建设。     

基于4G体制的LEO卫星移动[JZ]通信系统构架设计

随着卫星通信技术的进步、国家利益的全球拓展和国内外商业卫星移动通信需求的不断增加,LEO卫星移动通信系统已成为全球当前研究和发展的热点。文章提出一种基于地面4G网络体制的LEO星座系统构架,从体制分析、隧道传输、网络协议接口映射与业务承载等方面进行了详细论述。通过将系统划分为接入网、承载网和核心网,并在承载网中采用隧道传输技术,解决了用户终端复杂的IP地址切换和管理问题;通过用户链路星上资源池映射和接口转换协议的设计,解决了系统的业务传输承载中用户终端识别与数据定向问题。新的低轨卫星通信系统网络架构设计,有利于降低系统设计和实现的复杂度,便于实现与地面主流移动通信网络和Internet的互连互通,可为我国现阶段低轨卫星通信系统发展提供参考。     

大学生网络过激行为的心理分析及引导策略

网络过激行为作为一种网络偏差行为,不仅不利于大学生的健康发展,并已成为一种日益严重的社会问题。针对大学生产生网络过激行为的心理因素开展调研,发现既有来自于大学生消极的网络心理需求的表层原因,也有来自于个体心理素质水平不高的深层原因。有效地预测和防止大学生的网络过激行为的引导策略在于:政府应改善不良的网络环境,学校应加强积极的网络文化建设和教师应采取形式多样且针对性强的心理疏导方法。     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。