BOM组件式仿真系统数据驱动方法

仿真系统的数据驱动方法的研究内容包括想定标准化、想定的加载和模型的数据驱动三个方面.针对传统的基于成员层次的分布仿真系统开发模式的数据驱动导致大量人力物力开销,效率低下的局限性,采用BOM作为组件模型描述规范来构建组件式仿真系统,通过用户模型开发规范化,仿真模型组件生成自动化以及通用仿真运行框架统一化等支撑技术来提供高效的模型数据驱动环境;通过通用想定解析模块,采用集中、分时的方式分发仿真脚本数据进行仿真系统环境配置以及更新调整,提高仿真系统的数据驱动的效率和质量.     

融合零样本学习和小样本学习的弱监督学习方法综述

深度学习模型严重依赖于大量人工标注的数据，使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战，很多学者针对数据依赖小的弱监督学习方法开展研究，出现了小样本学习、零样本学习等典型研究方向。对此，本文主要介绍了弱监督学习方法条件下的小样本学习和零样本学习，包括问题定义、当前主流方法以及实验设计方案，并对典型模型的分类性能进行对比。然后，给出零-小样本学习的问题描述，总结研究现状和实验设计，并对比典型方法的性能。最后，基于当前研究中出现的问题对未来研究方向进行展望，包括多种弱监督学习方法的融合与理论基础的探究，以及在其他领域的应用。     

构建可扩展的HLA联邦成员架构

在分布式仿真领域内,HLA机制使不同类型的联邦成员集成为一个分布交互的综合仿真系统,实现联邦成员在特定的联邦内即插即用,具有较高的重用性和互操作性。但是,这种以FOM信息为中心的联邦开发模式,使联邦成员在不同的联邦中实现重用性和互操作性能力受到限制。可扩展的HLA联邦成员架构,通过组合具有可重用和互操作能力的仿真模型组件来构建一个功能可定制和大小可伸缩的联邦成员,提高了联邦成员在不同的联邦中仍然保持重用性和互操作性能力。     

基于BOM的组件测试研究和实现

基于BOM设计可重用的仿真模型组件是提高成员开发效率的有效途径.组件在构成成员参与仿真之前对其进行验证,这对保证仿真结果的有效性十分重要.在对KD-SmartSim、仿真模型组件及组件测试做了简要的介绍后,对组件和组件测试的意义,原理及方法作了全面的分析:并在此基础上详细阐述了了组件测试工具的设计原理并通过一个例子描述了测试工具的使用方法;最后在应用层次和技术层次对组件测试做了简要的总结性描述.     

作战管理语言研究综述

作战管理语言是军事人员、指挥控制系统和军用仿真系统之间进行通信的一种协议,它可以提高系统之间的互操性和仿真系统的逼真度.通过总结近几年研究作战管理语言的文献,对作战管理语言的定义、条令、表现、协议、本体和语法以及它们之间的关系等进行归纳和整理.介绍了指挥控制信息交换数据模型和Web服务在作战管理语言的应用,在此基础上介绍了作战管理语言对军事训练和军事仿真系统的影响,最后总结了目前作战管理语言的研究热点.     

基于功能图的作战体系关键节点分析

目前大多数基于网络拓扑的作战体系关键节点分析方法只是单纯考虑作战节点的拓扑连接关系, 缺乏从实际业务角度考虑体系中各节点在功能之间的相互依赖。而多数基于作战环的作战体系关键节点分析方法又需要分析人员具有很强的专业背景知识, 且存在分析数据难以获取等问题。基于此, 提出了一种基于功能图的作战体系关键节点分析方法。首先, 介绍了基于任务、反映作战体系功能的功能图概念。然后, 提出了基于功能图的度中心性、介数中心性、接近中心性、PageRank算法、节点移除和收缩等关键节点分析方法。最后, 以某作战体系为例, 作战环为其功能图, 采用介数中心性、接近中心性、基于功能图的介数中心性、基于功能图的接近中心性、基于功能图数量的节点移除法等关键节点分析方法对作战体系中关键节点进行分析, 验证了该方法的简单性、可行性及有效性。     

基于内模与偏差耦合复合的舞台调速吊杆群同步控制方法

以舞台调速吊杆群高精度协调同步运行为目标,针对吊杆运行过程中易受负载扰动和电机参数摄动影响同步效果的问题,在并联同步控制的基础上,用内模控制器取代常规PI跟踪控制器,并与偏差耦合控制方法相结合,构建了基于内模与偏差耦合复合的舞台调速吊杆群同步控制方案,以内模控制增强系统的鲁棒性、位置均值偏差耦合补偿控制改善系统的精度.最后选用3组调速吊杆的同步控制对文中方法进行有效性仿真验证,结果表明,该方法在保证系统具有优良抗干扰性能的同时,较传统PI位置耦合控制具有更好的跟随性能及同步精度.     

基于鸟群算法的3D威亚系统自抗扰 控制器的参数优化

针对3D舞台威亚系统自抗扰控制器(ADRC)参数多且难以整定的问题,将鸟群算法(BSA)引入其中对自抗扰控制器的参数进行了优化研究.首先根据自抗扰控制"抗扰范式"的思想,建立了3D舞台威亚系统单点吊机的"鱼骨+鱼刺"模型;接着结合3D舞台威亚的运行性能及ADRC的特质,分析确定了ADRC需优化整定的参数,并基于智能优化算法BSA对ADRC的参数进行了优化整定.仿真结果表明,BSA不仅能克服粒子群算法使ADRC参数易陷入局部最优的缺点,而且运算简单高效且易于实现,经BSA优化后的ADRC改善了3D舞台威亚单点吊机运行性能与鲁棒性,为威亚的同步控制提供了保障.     

融合零样本学习和小样本学习的弱监督学习方法综述

深度学习模型严重依赖于大量人工标注的数据，使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战，很多学者针对数据依赖小的弱监督学习方法开展研究，出现了小样本学习、零样本学习等典型研究方向。对此，本文主要介绍了弱监督学习方法条件下的小样本学习和零样本学习，包括问题定义、当前主流方法以及实验设计方案，并对典型模型的分类性能进行对比。然后，给出零-小样本学习的问题描述，总结研究现状和实验设计，并对比典型方法的性能。最后，基于当前研究中出现的问题对未来研究方向进行展望，包括多种弱监督学习方法的融合与理论基础的探究，以及在其他领域的应用。     

资源约束条件下任务调度算法研究

如何解决资源约束条件下的任务调度问题，保证在资源使用存在冲突情况下, 多个任务高效执行, 其中合理的任务调度和资源冲突消解是影响任务执行效果的关键因素。基于工作流图模型提出了一套资源约束条件下任务调度的框架, 并针对调度过程中产生的资源冲突, 提出了两种任务调度算法: 一种算法通过任务关键度确定优先级, 并基于贪心策略和调整工作流图拓扑结构的方法, 在任务开始前确定任务调度方案; 另一种算法采取弹性资源调度的方式, 使产生冲突的任务优先在资源不足的条件下开始执行, 任务调度和执行交替进行。最后, 通过地震救援案例验证了相关算法可行性, 与求解资源约束条件下任务调度问题的两类典型方法中具有代表性的算法进行对比实验, 分析了所提两种算法的优势与意义。仿真结果表明，所提算法具有适用地震救援资源紧缺特点的优势。