基于动态调整的C4ISR系统结构灵活性分析

当前网络和信息技术的发展为C4ISR(command, control, communication computer, intelligence, surveillance, reconnaissance,C4ISR)系统的灵活性提出了更大的挑战。灵活性存在于C4ISR系统的多个方面,其中结构灵活性是系统灵活性的支撑。首先明确了系统结构灵活性的基本内涵,然后采用OPDAR(observer, processor, decision, actor, relationship)模型构建系统结构,改进并应用了制造业中车间产品模型的灵活性分析思想,提出基于动态调整的C4ISR系统结构灵活性分析方法。最后对两种联合防空系统的系统结构进行灵活性分析,证明了方法的可行性。     

面向任务的民机DIMA动态重构策略

为提高民机分布式综合模块化航空电子(distributed integrated modular avionics, DIMA)系统应对飞行任务切换和资源失效的能力, 分析了DIMA动态重构环境及动态重构机制, 形成了面向任务的动态重构策略。首先, 提出“任务-功能-资源”间的关系矩阵及动态重构有效性评价体系。然后, 引入组合优化赋权法计算不同任务模式下功能应用的优先级权重。最后, 用实例分析对比了面向任务的动态重构策略与普通重构策略在不同任务模式下系统资源对系统功能完整性的支撑程度。研究结果表明, 随着模块故障数量的增多, 面向任务的动态重构策略可以显著提高动态重构的有效性。     

网络化作战C2系统建模与仿真研究

信息化战争的体系对抗建模必须考虑网络化C2系统的建模问题.从实际需求出发,分析了信息网络及指挥机构建模问题,研究了C2组织结构中指挥决策节点的行为过程及其之间的信息交换关系,将整个C2组织结构看作耦合的两个网络：信息网络和指挥网络.建立了耦合的信息/指挥网络Agent模型和决策实体之间的信息流结构模型.设计并实现了一个基于网络化C2系统的信息化战争仿真实验平台.     

基于模糊描述逻辑的C4ISR系统上下文环境分析方法

为了实现指挥信息系统自适应的决策支持,将上下文感知技术融入指挥信息系统的分析与设计,首先提出了C4ISR系统上下文元本体,借此定义指挥信息系统上下文环境的基本语义框架。在此基础上,结合元本体以及面向目标的需求分析方法思想,提出了C4ISR系统上下文环境信息获取和建模表示方法。此外,将模糊本体推理技术引入指挥信息系统上下文环境推理分析环节,通过设计上下文环境模型到本体的形式化规约算法,有效地将指挥信息系统的上下文环境信息形式化,并通过本体推理技术,实现了对系统上下文环境的推理分析。     

基于分形视角下的沪港股市投资组合策略

针对已有研究的不足,为满足不同交易周期投资者的实际需求,将分形研究方法与传统投资组合模型相结合,考虑多时间标度和不同波动幅度因素,构建了单分形投资组合模型(MeanDCCA)和多重分形投资组合模型(Mean-MF-DCCA).依托"沪港通"平台,采用构建的模型,进行沪港股市组合投资,并对样本外效果进行检验和分析.结果表明:沪港股市间结构存在着标度效应和长记忆性,且具有多重分形特征;与传统的投资策略相比,单分形投资组合策略能够取得更佳的组合效果;多重分形投资组合策略通过选择合适的q阶,实证表明将会明显改善单分形投资组合策略,增强投资方案的盈利能力、提高夏普比率以及为不同风险偏好投资者创造额外效用.此研究对资产优化配置、风险管理以及沪港股市间相依结构刻画等方面具有重要的实际意义.     

基于RMMAC的集成主动容错飞行控制

针对主动容错飞行控制系统设计问题,提出一种基于改进鲁棒多模型自适应控制(robust multiplemodel adaptive control,RMMAC)的故障检测与控制重构集成设计方法。建立了飞行器传感器和执行器故障的数学模型,介绍了改进鲁棒多模型自适应控制算法的结构和实现步骤。某无尾飞机重构飞行控制的仿真结果表明,在执行器故障情况下,基于改进RMMAC的集成主动容错飞行控制系统能够快速准确地辨识故障,并依据故障信息更新局部控制器权值,实现控制重构,提高了飞机可靠性、安全性和生存能力。     

舰载机多机一体化机务保障调度方法

为了有效提升舰载机多机机务保障的效率和保障人员的利用率,根据单机机务保障流程约束特性,建立了基于多计划评审技术网络的多目标多机一体化机务保障调度模型。针对问题的求解,提出了一种自适应混合差分进化算法。首先根据调度的网络化排队过程,设计了基于事件调度策略的解码方法。其次为了协调算法“探索”与“开发”的能力,引入了自适应的变异操作和交叉、变异参数控制。再次,针对工序块的平行组合排列特征,提出了4种邻域结构,进而在算法框架中嵌入了一种自适应多邻域局部搜索策略。最后通过仿真实验验证了模型和算法的可行性和有效性。     

基于区块链的动态指控方法研究

面向动态指控过程中指挥权限跨域重构与资源点对点动态调配需求,基于区块链技术设计了动态指控组织架构模型,在此基础上分别研究了基于认证联盟与共识阈值的权限流转模型、基于任务表单和装备表单的任务执行模型,并依托智能合约建立了应急响应机制,为动态指控中指挥权限可信流转与装备点对点访问提供了解决方案。通过Hyperledger Fabric搭建原型系统,实验结果证明了方案具备可信性与较好的运行效率。     

基于IMM/EA的卫星姿态控制系统重构容错控制

研究了在轨卫星姿态控制系统发生可修复性故障状况下的系统重构容错控制。对于处于稳态的三轴稳定卫星,当姿态发生突变时,启动故障检测与诊断(FDD)子系统,采用交互式多模型(IMM)算法得到故障发生的位置以及故障模型,同时利用故障模型中的动力学系统进行特征结构配置(EA),生成重构控制器对原系统进行补偿控制。将FDD过程与重构控制器的设计过程结合,避免了单独设计FDD子系统然后再进行系统重构带来的计算量和时间延迟。最后通过数值仿真验证了该算法的有效性。     

基于提升的自适应非线性小波变换研究

针对传统小波变换在处理信号时缺乏自适应能力的缺点,提出一种新的自适应小波变换算法.读算法主要基于信号的局部结构特征的相关性,及这种相关性所表现出的方向性,利用这些信息采用自造应提升策略来构造小波.给出了一种新的自适应非线性更新算子U的结构,并证明了采用此结构分解的小波可很方便地实现完全重构.先给出算法结构的一般框架,然后给出了在一维和二维情况下具体实现的例子.试验表明该算法优于一般算法,和其它自适应小波算法相比,本算法有更强的自适应能力和更大的灵活性.     

非局部正则化的压缩感知图像重建算法

压缩感知(compressed sensing, CS)图像重建算法是CS图像获取问题的一个研究重点。针对传统基于稀疏性先验的重建算法不能有效重建图像的各种结构特征,为了在测量值数量不变的情况下进一步提高图像的重建质量,在稀疏性先验的基础上,引入局部自回归模型和非局部自相似性作为图像额外的先验信息,建立了非局部正则化的CS图像重建模型,并给出了相应的数值求解算法。此外,对于重建模型中图像的自回归参数,给出一种基于非局部相似点的估计方法。实验结果表明,较之传统的稀疏性正则化重建算法和同类的MARX(model based adaptive recovery of compressive sensing)算法,所提算法能获得更高的图像重建质量。     

基于可变增益的翼伞自适应模糊反步降高控制

针对含模型不确定性的无人动力翼伞低空降高控制问题,提出了一种基于可变增益的自适应模糊反步法控制策略。首先,推导了稳定航速下翼伞尾沿偏转变增益反步控制律,通过设计增益参数简化了控制器形式。然后,利用模糊逻辑系统在线逼近系统的不确定性,并加入自适应鲁棒项对逼近误差进行消除,采用Lyapunov理论得出的模糊系统权值和逼近误差自适应律,保证了闭环系统的一致最终有界性和跟踪精度。最后,针对控制器增益的组合形式,采用单独的模糊系统对增益参数进行在线调节。仿真结果验证了所提方法的有效性。     

大规模网络中基于HDHT的病毒疫苗分发算法

目前,反病毒系统防御病毒的主要方法是依靠反病毒中心服务器定期更新各个节点上的病毒定义文件和安装系统补丁,这种被动应对策略常常不够及时,且容易使服务器节点成为系统的性能瓶颈,具有较大的滞后性,也不能适应大规模网络系统。针对大规模网络环境提出了一种高效的基于层次式分布散列表(hierarchical distributed Hash table, HDHT)的反病毒疫苗分发算法。算法基于一种新型层次式分布散列表网络拓扑结构HDHT,利用网络边缘节点直接通信来提高病毒疫苗分发效率,从而有效分担服务器负载。为了增强算法的性能,算法还引入一种简洁的节点信誉评估机制。从分发效率、系统开销等方面,对病毒疫苗分发算法的性能进行实验验证和性能分析。结论表明,该算法可有效实现病毒疫苗在网络中快速分发和部署,同时减轻了网络和服务器的负载。     

基于极大连通子图边界的复杂网络恢复研究

网络恢复是应对不可避免的故障或失效的重要途径,合理的恢复策略有助于降低资源损耗且提高网络鲁棒性能。为研究复杂网络恢复动力学行为及其与网络鲁棒性之间关系,构建了基于极大连通子图边界的复杂网络恢复模型(Recovery Model of Boundary Nodes,RMBN),设计了网络平均恢复(Average Recovery of Boundary Nodes,ARBN)和择优恢复(Priority Recovery of Boundary Nodes,PRBN)策略。不同恢复策略在3种网络模型上的仿真结果表明,随着恢复比例的增大,网络鲁棒性逐渐增强且恢复作用时间更早、恢复能力更强,为复杂网络拓扑结构设计与鲁棒性优化提供借鉴。     

基于EC2的无人化作战体系云流化指控架构设计方法

针对传统指控架构难以满足新型无人化作战体系需求的问题, 基于云协同理念提出“前线无人作战流”与“后方有人指控云”有机融合的云流化指控概念, 设计指控资源云服务模式。在面向无人化作战改进组织指挥与控制(enterprise command and control, EC2)理论适变性的基础上, 解耦指控组织与指控服务并分别进行设计, 将组织、节点和事件三个层面的适变行为建模为指控关系的应变过程, 进而提出支持按需重构指控关系的适变价值生产单元(value production unit, VPU)模型。最后, 以边境管控使命为例详细阐述了云流化指控架构设计方案, 效能评估结果表明其在时效性和鲁棒性方面具有优势, 可以更好地适用于无人化作战体系。     

基于协同Memetic自适应QPSO算法的传感器目标分配问题求解

对复杂防空作战环境下的传感器目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能〖JP3〗的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization, QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。     

MWSN中基于功率自适应的拓扑维护算法

为解决移动无线传感器网络(mobile wireless sensor networks,MWSN)中由于节点移动、新节点加入网络、节点退出网络和节点失效等因素引起网络拓扑发生变化而影响网络性能的问题,提出了一种基于功率自适应的拓扑维护算法(power adaptation based topology maintenance algorithm, PATMA)。PATMA算法将传输单位比特数据包的能耗大小作为选择中继节点的条件,通过中继节点维护与距离较远的邻居节点的连通;当网络拓扑结构发生变化时,节点自适应地调整发射功率维护网络的连通;同时根据引起网络拓扑发生变化的具体原因设置不同事件,节点依据检测到的事件采取相应的拓扑维护策略。仿真结果表明,PATMA算法与功率自适应控制(new adaptive power control, NAPC)算法、拓扑控制(topology control, XTC)算法在平均发射功率、网络连通度、网络中存活的节点数等性能指标方面具有明显改善。     

基于RCMAC干扰观测器的高超声速飞行控制

利用自回归小脑模型神经网络(recurrent cerebella model neural network, RCMAC)良好的非线性逼近能力和自学习能力,结合反馈线性化和反演控制方法,提出了一种自适应非线性控制策略,用于高速再入飞行器控制系统的设计。该方案将RCMAC干扰观测器(recurrent cerebella disturbance observer, RCDO)用于估计系统模型的不确定项,同时采用反演控制方式设计伪线性控制项,并利用符号函数逼近误差的上界,根据Lyapunov稳定性理论设计了权值更新规则,保证闭环系统信号有界。高速再入飞行器的六自由度仿真结果验证了方法的有效性和鲁棒性。     

C4ISR系统指挥控制关系适应性演化模型和方法研究

研究了C⁴ISR系统结构中指挥控制关系的适应性演化问题。构建了C⁴ISR系统结构中的指挥控制关系模型,在对指挥控制关系适应性演化过程分析和描述的基础上,设计了演化过程中的指挥控制关系的结构变化代价和性能代价,并以最小化总的演化代价为目标函数构建了指挥控制关系适应性演化问题的数学模型。提出了基于n-Best策略层级聚类方法和遗传算法(genetic algorithm, GA)的问题模型求解思路。n-Best策略层级聚类方法用来获取每个任务阶段可行的指挥控制关系集合,而GA用来搜索最优的演化路径。最后通过某一仿真算例验证了求解方法的可行性、稳定性。     

适应性指挥控制关系网的度分布

针对适应性指挥控制关系这一新的军事需求, 给出了一个适应性的指挥控制关系建立机制, 提出了指挥控制关系建立的三个适应性原则指标: 最多数量类别支援信息、 最快发布速度支援信息和最好连续性支援信息. 设计了一个指挥控制关系网的生成演化模型, 运用平均场方法解析计算了模型的演化动态, 证明了该演化网络是幂指数为3的无尺度网络.