CHY-Ⅲ的并行仿真程序性能调试工具

摘要从并行仿真程序的特点出发,采用基于事件模型的可视化并行调试技术,提出了把通信事件模型、关系数据库和三维表格相结合的并行仿真程序调试思想,并以此为指导,构造了一个可视化并行仿真程序性能调试工具。经过ＣＨＹ－Ⅲ的试运行,表明该工具简单、直观、效率高     

CHY-Ⅲ通讯库的设计--一种面向并行仿真程序的可伸缩通信缓冲申请算法

从并行仿真程序的特点出发，为了解决点对点消息传递系统中由于网络热点（ＨｏｔＳｐｏｔ）而引发的消息阻塞问题，充分利用仿真程序的帧特性，设计实现了一种可伸缩的通信缓冲区申请算法，用软件方法消除了由阻塞而引起的死锁现象。经试用表明该算法开销小、效率高     

基于状态空间的惯性测量组合剩余寿命在线预测

实时准确的剩余寿命预测能够为惯性测量组合的维护策略安排提供有效的决策支持。由于反映惯性测量组合退化状态的性能指标不能直接监测或直接测量带有噪声,因此需要构建状态空间模型预测惯性测量组合的剩余寿命。考虑到惯性测量组合的性能退化指标随时间呈现非线性特征,首先采用基于非线性漂移的Brown运动(Brownian motion,BM)建模其退化状态,然后基于构建的状态空间模型,利用期望最大化(expectation-maximization,EM)算法和Kalman滤波(Kalman filter)实时估计和更新退化状态和模型未知参数。并且将状态估计的分布函数引入剩余寿命的预测过程,近似得到了剩余寿命分布的解析形式,实现了剩余寿命的实时预测与更新。最后,对惯性测量组合的剩余寿命实时预测问题进行了实验分析,结果表明该方法具有较高的预测精度与较小的预测不确定性。     

小型化实时并行仿真系统设计

基于特定工程应用背景 ,我们研制完成了三代小型化实时并行仿真系统。本文总结我们研制小型化实时并行仿真系统的经验 ,重点阐述了小型化实时并行仿真系统设计中所解决的若干技术难题     

CHY—Ⅲ通讯库的设计：——一种面向并行仿真程序的可伸缩通信缓冲申请 …

从并行仿真程序的特点出发,为了解决点对点消息传递系统中由于网络热点（Ｈｏｔ Ｓｐｏｔ）而引发的消息阻塞问题,充分利用认真程序的帧特性,设计实现了一种可伸缩的通信缓冲区申请算法,用软件方法消除了由阻塞而引起的死锁现象。经试用表明该算法开销小、效率高。     

基于改进PSO算法的实时故障监测诊断测试集优化

针对基于相关性模型的复杂系统实时故障诊断问题,引入一种改进的多目标离散粒子群优化算法对测试集进行优化选择,以提高诊断系统效率,降低测试成本。基于现有粒子群优化算法,将粒子速度更新和位置更新的意义与测试选择相联系,提出了新的速度和位置更新公式;针对测试集故障检测数、故障隔离数、测试个数及成本等多个指标,分别设计了故障监测测试集和诊断测试集的多目标适应度函数,并给出最优解的多目标更新方法。仿真结果表明：改进算法收敛速度快,计算精度高,可为实时监测诊断系统测试集优化选择提供有效指导。     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法。首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标。实验结果表明：与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快。     

超级电容器用活性炭的纯化与表征

主要对超级电容器用活性炭的纯化工艺进行了研究.采用不同的实验条件,对实验结果进行了对比,通过正交实验得到了最优的工艺条件.本研究将活性炭中的钾离子含量由3000×10-6以上降到100×10-6以下,铬离子含量由600×10-6以上降到了10×10-6以下,并对处理后活性炭的孔貌、孔径、比表面积进行了表征,结果表明,制备的超级电容器用活性炭具有纯度高、钾离子和铬离子含量低、比表面积大等优点.     

修正钟差的脉冲星方位误差估计算法

为克服时钟钟差对脉冲星方位误差估计的影响,设计了两步卡尔曼滤波(two-stage Kalman filter,TSKF)算法.首先,分析时钟钟差对脉冲星方位误差估计的影响,并通过仿真进行验证.其次,结合脉冲星方位误差估计原理重新推得考虑时钟钟差的状态和观测方程.再次,根据TSKF算法,在估计方位误差的同时解耦估计时钟...     

状态时间序列预测的贝叶斯最小二乘支持向量机方法

为实现对电子系统状态时间序列的有效预测,提出一种基于贝叶斯证据框架的最小二乘支持向量机在线预测方法.该方法以逐次增加最新状态数据并剔除最旧状态数据的方式更新最小二乘支持向量机预测模型,利用分块矩阵求逆运算简化了新旧状态数据交替增减所带来的预测模型重训问题,通过贝叶斯证据框架实现预测模型超参数的在线动态优化.应用于雷达发射机中高压电源与多注速调管的状态时间序列预测实例表明,该方法的预测精度与计算效率比自适应灰色模型方法分别高9.52%与73.26%,具有预测精度高、预测稳定性高与计算效率高的优点,适用于电子系统在线状态时间序列预测.