严格随机正则(3,s)-SAT模型及其相变现象

研究变元和文字出现次数受限制的规则3-SAT问题,提出了一种严格随机正则（3,s）-SAT问题,并给出了该问题的实例产生模型--SRR模型。结合一阶矩方法和生成函数展开项系数的渐近近似技术,证明了严格随机正则（3,s）-SAT问题相变点的上界,即当变元规模N较大且变元出现次数s>11时,严格随机正则（3,s）-SAT实例是高概率不可满足的。实验结果表明：由SRR模型所生成的随机实例中,当N>60且s>11时,所有的（3,s）-SAT实例均是不可满足的,而当N>150且s<11时,所有的（3,s）-SAT实例均是可满足的,即严格随机正则（3,s）-SAT实例的相变点位于s=11处,且在s=11处（子句变元比为11/3）的严格随机正则（3,s）-SAT实例,比在相变点（子句变元比）4.267处同规模的均匀随机3-SAT实例更难求解,因此,SRR模型可以很方便地在s=11处构造难解的随机3-SAT实例。     

一种STC电路的实现方法

本文介绍一种适合机载气象雷达的比较完善的 STC 电路的实现方法。它与现行气象雷达 STC 电路的不同之处在于:用多级不同时间常数的指数形成电路产生 STC 电压,控制变容二级管组成的电容电桥的衰减,主中放采用差分放大器。这种 STC 电路实现方法除了在 STC 范围内改变接收机的增益外,不影响整机的其它参数,本文讨论了有关电路的工作原理。     

小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。     

面向木星卫星交会任务的探测器飞行路径规划

针对探测器在木星系统内多次借力的飞行路径和轨道优化设计问题,提出了一种基于三层优化思想的飞行路径规划方法,该方法可根据给定的任务约束和交会目标,自动搜索探测器在木星系统内的借力飞行序列,同时完成标称飞行轨道的优化设计。首先,文章在给定轨道动力学模型和木卫借力模型基础上,建立了面向木卫交会任务的两次借力飞行轨道优化设计模型和求解方法;然后,采用结合遗传算法、全局遍历和贪婪算法的三层优化设计思路,给出了一种环木飞行路径规划方法;最后,以木星四颗卫星的交会任务为例进行了仿真分析。仿真结果表明：针对木卫的交会任务,探测器速度增量需求随木卫借力次数的增多,呈现先显著减小后逐渐增大的现象;探测器采用多次木卫借力的策略,可显著降低探测器的速度增量需求;探测器速度增量达到最优之后,借力目标收敛于交会目标,且速度增量随借力次数的进一步增多而逐渐增大。     

基于参数化轨迹的TAEM段在线制导方法

针对可重复使用运载器末端能量管理阶段的在线轨迹生成与制导问题,研究了一种基于参数化轨迹描述且不依赖在线积分推演与气动辨识的三维轨迹预测-校正制导算法。首先,设计了由动压上边界、下边界和最大能量边界构成的动压包线,由一个参数对包线内的动压剖面进行描述,采用离线计算的方式预先获得飞行航程随动压剖面参数、倾侧角和能量高度变化的关系并存为三维数表。随后,根据当前状态和地面航迹参数计算得到各飞行阶段地面航程信息,在待飞航程的预测中,考虑侧向机动的航程损失和模型偏差影响,采用分段查表和在线估计航程修正系数的方法对预测航程进行了两次修正。最后,研究了约束条件下的多轨迹参数连续更新策略,以保证消除航程偏差的同时轨迹具有适宜性。仿真结果表明,该方法对于初始位置、能量状态散布不敏感,其末端位置控制精度保持在米级。完成单次轨迹预测-校正的时间不超过2.3 ms,拥有较高的在线预测效率,对突发故障造成的模型偏差具有较强的适应能力。     

全定制芯片的测试码产生方法

针对全定制设计的芯片提出人工产生测试码的方法.该方法充分利用功能验证程序,从中挑选出对测试有用的信息,经过转换得到满足基本故障覆盖的测试码;再结合芯片自身的结构特点,合理利用芯片内部的调试结构,并按功能部件利用调试链路追加测试码,从而补充完善得到比较完备的测试码.     

吸气式高超声速飞行器助推-巡航轨迹优化

针对吸气式高超声速巡航飞行器建立了纵向平面内的二维轨迹优化模型(包括火箭助推段和吸气式飞行段),其中大气模型、气动力模型和发动机模型均建立了比较详细的模型,能够比较全面、准确地描述吸气式高超声速巡航飞行器的特征;基于配点法建立了适用于高超声速巡航飞行器助推-巡航轨迹优化的方法,在求解非线性规划时引入了规范化处理、稀疏分析和偏导数计算方法等,以提高优化效率;对吸气式高超声速飞行器助推-巡航轨迹进行了优化研究,分析了典型设计参数变化对最优轨迹的影响。仿真结果表明:所建立的方法能够快速、高精度求解吸气式高超声速巡航飞行器轨迹优化问题,并且能够方便地分析设计参数变化对最优轨迹的影响,可用于吸气式高超声速飞行器飞行剖面设计与优化。     

反临近空间高超声速飞行器若干研究进展

为了支撑我国反临近空间高超声速飞行器相关领域的基础研究和工程研制,在分析典型临近空间高超声速目标飞行特性和作战任务剖面的基础上,综述了目标预警探测、轨迹跟踪预测、制导控制方法、拦截攻击策略四个方面的若干研究成果,讨论了每个方面存在的技术难题和可行的解决方案,并建议从天/临/空/地/海体系预警、红外多模复合敏感、可攻击区轨迹预测、直/气复合等先进控制、协同拦截防御等方面给予重点研究。     

Behavior pattern mining based on spatiotemporal trajectory multidimensional information fusion

Trajectory data mining is widely used in military and civil applications, such as early warning and surveillance system, intelligent traffic system and so on. Through trajectory similarity measurement and clustering, target behavior patterns can be found from massive spatiotemporal trajectory data. In order to mine frequent behaviors of targets from complex historical trajectory data, a behavior pattern mining algorithm based on spatiotemporal trajectory multidimensional information fusion is proposed in this paper. Firstly, spatial–temporal Hausdorff distance is proposed to measure multidimensional information differences of spatiotemporal trajectories, which can distinguish the behaviors with similar location but different course and velocity. On this basis, by combining the idea of k-nearest neighbor and density peak clustering, a new trajectory clustering algorithm is proposed to mine behavior patterns from trajectory data with uneven density distribution. Finally, we implement the proposed algorithm in simulated and radar measured trajectory data respectively. The experimental results show that the proposed algorithm can mine target behavior patterns from different complex application scenarios more quickly and accurately compared to the existing methods, which has a good application prospect in intelligent monitoring tasks.     

考虑移动目标不确定行为方式的轨迹预测方法

针对现有方法难以预测出符合飞行移动目标不确定行为方式轨迹的问题,提出基于逆强化学习的飞行移动目标轨迹预测方法,通过学习目标行为偏好以及模拟目标行为决策过程的方式预测目标的移动轨迹。首先基于深度神经网络建立目标的行为决策模型与行为偏好模型,然后通过最大熵逆强化学习方法交替地学习模型参数。为了有效地学习目标的不确定行为特征,采用监督学习的方法学习出目标示例轨迹概率分布模型,用于指导目标行为偏好模型的训练以及初始化目标行为决策模型,同时通过对目标行为偏好模型进行预训练的方式提高其训练质量。仿真结果表明,提出的飞行移动目标轨迹预测方法可通过学习到的目标行为决策模型较为准确地模拟目标的行为方式,预测的目标轨迹分布与真实的目标轨迹分布在Kullback Leibler(KL)散度下的相似度可达0.24。