柱形杆高速碰撞薄靶板的数值仿真

探讨了SPH数值仿真算法的基本原理及该算法的优缺点；采用该算法对柱形杆高速碰撞钢制薄靶板过程中的击穿、粒子飞溅及碎片云的形成进行了数值仿真；解决了四棱柱形钢杆SPH粒子单元模型的建立问题，分析了作用过程的物理机理；表明SPH算法适用于解决高速冲击动力学问题，模拟和预测材料在高速碰撞下的瞬态响应。     

弹头飞行空间碎片碰撞概率建模与仿真

针对弹头飞行空间环境的日益恶化,建立了弹头与空间碎片碰撞概率的仿真模型。在分析空间碎片分布特征的基础上,根据建模需要描述了其数学运动规律,然后结合被动段弹道参数特点,推导建立了碰撞概率的数学模型。该仿真模型可以有效地计算出弹头在不同碎片密度环境下飞行的碰撞概率,并拟合出碎片密度与碰撞概率之间的关系曲线图。通过仿真计算证明了该模型的有效性,所得到的一些重要结论可为导弹武器的研制者和使用者提供一些借鉴。     

基于容积粒子滤波的交互式多模型算法

针对非线性非高斯条件下目标跟踪容易发散和精度下降等问题,将容积粒子滤波引入到交互式多模型算法中,提出了一种基于容积粒子滤波的交互式多模型算法。该算法在粒子先验分布更新阶段,利用容积卡尔曼滤波器融入最新的观测数据并产生重要性密度函数,使其更加逼近系统真实状态的后验概率密度,改善了粒子滤波的性能。仿真表明在运算时间未显著变化的情况下,该算法与交互式多模型无迹粒子滤波算法相比有着更高的滤波精度和稳定性。     

一种多尺度云的无缝表现方法

针对虚拟战场环境中的气象应用需求,通过用户交互式创建输入数据图的方法生成全球级云的密度分布,采用Advecting Textures方法产生具有逼真细节的全球云图;提出了根据粗糙的全球云密度分布场与精细的全球云图生成精细的高细节云密度分布场的方法,保持了全球云密度分布场的基本特点;进一步提出无缝集成全球级云与高细节云的绘制方法,实现了多尺度云的无缝表现.虚拟战场环境中的实验论证了该方法能保持多尺度云之间切换过渡的平滑性与一致性.     

基于有限元方法的破片侵彻装备损伤仿真

为了研究装备在破片高速冲击作用下的毁伤效应,利用非线性有限元仿真软件LS-DYiNA进行侵彻仿真;在此基础上,通过统计采样和变量聚类分析,确定了装备的抽象模型--靶板的损伤的评估指标;采用主成分分析方法,构造了靶板损伤的评估模型;利用方差分析,讨论了破片性质对于毁伤效应的影响程度.研究结果表明:在显著性水平α=0.05下,破片速度对靶板毁伤程度有显著影响,在水平α=0.01下,破片形状与破片密度的交互作用对于靶板毁伤程度的影响呈高度显著.探索了一种基于非线性有限元仿真试验的靶板损伤评估的新途径,该方法可进一步推广应用于其它类型毁伤因素对武器装备结构的损伤评估研究.     

基于AUTODYN对弹丸高速碰撞靶体的数值模拟

描述了弹丸高速碰撞靶体过程中的各种破坏效应,包括成坑、冲塞、层裂、碎片云等.详细介绍和分析了基于AUTODYN程序数值模拟弹丸高速碰撞靶体问题的关键技术,包括基本算法、材料强度模型和失效模型、材料状态方程、人工粘性、沙漏控制、单元侵蚀等.在此基础上,通过典型算例验证了基于AUTODYN程序模拟弹丸高速碰撞靶体过程中各种破坏效应的可行性、有效性和可靠性.     

Cubature粒子滤波

非线性非高斯下后验概率密度函数解析值无法获得,需设计合理的重要性密度函数进行逼近。传统粒子滤波(particle filter, PF)直接采用未含最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数。针对PF缺乏量测信息的问题,提出一种基于Cubature卡尔曼滤波(Cubature Kalman filter, CKF)重采样的Cubature粒子滤波新算法(Cubature particle filter, CPF)。该算法在先验分布更新阶段融入了最新的观测数据,通过CKF设计重要性密度函数,使其更加接近系统状态后验概率密度。仿真表明CPF估计精度高于PF和扩展卡尔曼滤波(extended particle filter, EPF),与无轨迹粒子滤波(unscented particle filter, UPF)相比,其精度相当,但算法运行时间降低了约20%。     

基于UT变换的MMPHD机动目标跟踪

基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density, PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。     

基于容积卡尔曼的粒子PHD多目标跟踪算法

标准粒子概率假设密度(standard particle probability hypothesis density, SP-PHD)滤波在预测粒子状态时没有考虑最新的观测信息,因而存在估计精度较低、粒子退化严重的问题,针对上述问题,提出基于容积卡尔曼的粒子概率假设密度(cubature Kalman particle probability hypothesis density, CP-PHD)滤波算法,该算法基于球面-径向容积数值积分准则,利用容积卡尔曼滤波(cubature Kalman filter, CKF)产生建议密度函数,并对其进行采样得到当前时刻的粒子状态,从而使粒子分布更接近于真实的多目标后验概率密度函数。同时,CP-PHD算法性能不受目标状态维数影响,与无迹卡尔曼粒子概率假设密度(unscented Kalman particle probability hypothesis density, UP-PHD)滤波相比,具有更强适应性和更好的跟踪性能。实验结果表明,CP-PHD算法的跟踪精度优于SP-PHD和UP-PHD。     

基于不完全信息博弈的云制造群智能优化方法

为解决云制造过程中云平台经营方与需求方之间的不完全信息以及相互竞争制约的关系导致制造服务难以抉择的问题,提出了一种基于不完全信息博弈模型的云制造群智能优化方法。以各自理性追求自身收益函数最大化为目标,针对需求方与云平台之间的利益竞争关系建立了基于不完全信息的静态博弈模型,并提出了需求方与云平台之间的竞争规则,通过海萨尼转换引入自然,将其转换为完全信息下的动态博弈得到贝叶斯扩展式,并证明了贝叶斯纳什均衡的存在性和唯一性。提出了一种基于高斯函数与扰动策略更新的粒子群算法对上述模型进行求解。仿真结果表明：改进算法相对其他算法有较快的收敛速度与较高的云制造系统总收益,不完全信息博弈模型能够兼顾不同类型的需求方提高云制造系统的总收益。     

基于元胞自动机的云层实时模拟

云层的实时模拟是构造真实的虚拟自然环境的重要组成部分.然而,外观形状的不规则性和物理形成过程的复杂性增加了云层实时模拟的难度.在分析和研究现有云层建模和渲染方法的基础上,提出了一种基于元胞自动机的云层实时模拟方法,该方法的核心是采用元胞自动机理论对云层建模,使用风力函数对云进行控制;综合单散射和多重散射的方法构造云的光照模型;利用连续帧之间的相关性实现基于视点变换的云层实时渲染, 并利用Murakami的元球方法计算云的密度分布.实践证明该方法可以实时模拟具有较强真实感的云层.     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

基于区分服务的云提供商效用最大化方法

当前云计算发展面临如何增加服务收益的重要挑战.经济学领域中多通过区分服务来划分市场以提高收益.由于云服务存在服务质量建模复杂、用户服务质量需 求灵活多变等特性，区分提供云服务非常困难.基于队列模型和优化算法，本文提出一种通过区分服务供应来最大化云提供商收益的方法.本文采用队列模型分析来确定为实 现特定服务质量水平需供应给单个服务的资源数量，然后通过优化算法决定准入服务的组合并确定其服务质量水平及价格，以实现云提供商的效用最大化.分析表明该 优化问题是NP完全的，本文提出基于遗传算法的元启发算法来得到最优效用.实验结果表明，在不同工作负载情况下，算法可行且具有良好的收敛性，保证了云计算的实时性.     

基于机会理论的复杂装备系统风险传递GERT研究

针对复杂装备系统任务活动中风险分析传递类型单一、风险机理分析不全面的问题,构建不确定随机图形评审技术模型。首先,根据复杂装备系统的风险特点,基于机会理论提出了风险度,定义不确定随机矩母函数,结合风险基元、风险流构建了图形评审技术(gragh evaluation review technique, GERT)网络分析模型;然后,改进模型通过基元风险度、系统风险度、风险基元重要度等参数,进一步描述风险传递关系;其次,利用矩估计法处理专家信度,采用改进的量子菌群算法求解极大熵模型,分别求得不确定分布函数和概率密度函数,从而得到矩母函数,计算网络模型的参数。最后,选取某型战机执行眼镜蛇机动任务为例,定量评估飞行风险,分析风险机理,验证模型的有效性。     

面向亚轨道解体事故的碎片扩散分布建模研究

针对未来愈发频繁的商业亚轨道发射活动, 为降低亚轨道突发解体事故给民航客机带来的运行风险, 提高空管监视系统对危险情况的应急响应能力, 利用协方差传播算法对亚轨道解体事故碎片落点进行快速预测。该算法围绕线性化的标称轨迹, 将碎片落点预测的随机过程建模为高斯-马尔可夫过程。同时, 通过概率密度函数构造高斯-马尔可夫过程在一定置信度下的概率椭球, 量化碎片落点在标称轨迹附近的位置。在此基础上, 参照航天器标准解体模型, 对影响碎片传播轨迹的弹道系数进行推导计算。仿真结果表明, 该方法可有效提高碎片危险区的预测准确度。     

可拓学在泥石流预报减灾决策上的应用

应用可拓论、概率论和有关泥石流的专业知识,提出了一种泥石流预报减灾的两层决策模式。文中首先论述了泥石流预报中各种非确定性因素,然后介绍了用简单关联函数确定减灾对策偏好度的方法,最后建立了泥石流预报减灾决策的物元模型。     

基于云模型与证据理论的共识分析方法

针对综合集成研讨厅中发散型研讨具有连续性、模糊性、复杂性等特点, 提出了一种基于云模型与证据理论的共识分析方法. 该方法利用云模型根据研讨信息间语义关系求取每条发言表达的意见; 并利用证据理论根据某专家所有时刻发言表达的意见推理该专家意见; 最后根据求得的各专家意见形成定性的专家意见分布图和定量的共识水平、关注水平. 实例表明该方法是有效的, 它能使研讨专家实时了解当前共识状态, 提高群体研讨效率.