动态规划法在节点编号优化中的应用

本文在分析了Cuthill-Mckee节点编号法[1]以后,指出了该方法的缺陷,进而提出了选择最佳边界点,作为网络节点编号(或重新编号)的起点(即序号为1);提出了用动态归划法的思想逐步挑选下一个编点,从而达到节点编号优化目的;结合用有限元素法求解大型结构矩阵时进行节点编号中的需要,对图论中的网络节点有关定义作了适当修改和补充。     

非单调语义网络中继承的信任理论

描述了一种新的具有例外的多继承语义网络推理方法--继承的信任理论,这是一种很具有吸引力的可废止继承方法.它应用于非循环语义网络的继承的分析,能够产生适合于继承直觉的非多义性结论.文中还讨论了Etherington的基于缺省逻辑的继承理论,提出了继承信任理论和继承信任缺省逻辑.给出了继承信任逻辑的性质,并且证明了构造继承信任缺省逻辑理论的唯一扩张是递推过程.信任理论的扩张能够快速求解.这种快速推理算法可以应用于专家系统推理.     

提高地形图测绘精度与速度方法探讨

通过对地形图重要性的简要描述,提出了在实际测绘工作中比较实用的几种简便而迅速的测绘方法。它们对提高地形图测绘的精度及速度有很好的效果。     

差动式测量仪器动态误差分析与滤波网络设计

通过了一个动态在线测量系统实例,分析滤波网络分布位置对系统动态测量误差的影响,并提出对于差动式动态测量系统,滤波网络必须位于和差动算电路之后的设计原则。     

基于算力路由的空间信息网络低时延在轨协同计算策略

针对当前空间信息网络（Spatial Information Network, SIN）地面数据处理模式中存在的高传输时延问题,提出了基于算力路由的低时延在轨协同计算策略。考虑到卫星网络的动态变化及卫星计算资源的异构性,提出了要素时空扩展图模型,以实现在屏蔽SIN动态性的同时对星上资源进行精确表征。在此基础上,构建基于算力路由的多星在轨协同计算数学模型,提出时延优化问题,并利用改进的异构最早完成时间（Heterogeneous Earliest Finish Time, HEFT）算法进行求解。仿真结果表明：卫星在轨协同计算可有效降低卫星数据的任务处理时延;同时,本文所提的改进HEFT算法以较小且可接受的收敛性能为代价,换取了业务处理时延的大幅度降低。     

基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于小波神经网络的模拟电路故障诊断

介绍了模拟电路故障诊断的神经网络方法及小波神经网络,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法。仿真结果表明小波神经网络作为故障分类器具有收敛速度快,诊断准确等特点。     

模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一.针对传统PID控制方式动作响应慢、鲁棒性差等缺点,提出了一种基于径向基函数(RBF)神经网络的智能控制方式.该方式有很强的非线性拟合能力,且学习规则简单,可映射任意复杂的非线性关系,便于计算机实现.利用该特性,设计了一种重力卸载精度较PID控制方式更高的控制器.该...     

基于旋转矩阵的预设时间航天器编队姿态协同控制

由多个航天器组成的编队系统对复杂的环境往往具有较高的适应性和容错性,能更高效率地完成单航天器难以完成的任务。因此主要针对多航天器系统的姿态协同控制问题,提出一种基于旋转矩阵的预设时间控制算法。首先,为了避免航天器姿态建模的奇异性和模糊性问题,采用旋转矩阵对航天器的姿态进行统一描述,同时结合有向的通信拓扑对航天器姿态协同控制系统进行建模。其次,为赋予系统可控的收敛速度,提出一种基于滑模的预设时间控制算法。该算法的引入使得航天器编队系统的收敛时间可以在合理的范围内任意给定。此外,为了实现系统对参数摄动和外部干扰的鲁棒性,采用神经网络和自适应算法对不确定性进行在线估计与补偿。最后,通过理论分析和数值仿真验证了所提预设时间控制算法的有效性。