基于累积延误损失算法的GHP模型

考虑不同机型的不同延误损失费用提出了一种累积延误损失算法,并建立基于该算法的地面等待策略(GHP)数学模型.该算法进行到达航班排序时,以所有航班总延误损失费用为首要排序标准,以先来先服务为第二排序标准,从而得到总延误损失费用与总延误时间值都较小的到达航班序列.同时,该算法也考虑了有后继任务的航班对到达航班序列的影响.基于该算法的GHP模型结合实际数据在实验仿真中取得了较好的效果,表明了该算法与模型的实用性与有效性.     

基于OSG林地可视化系统设计与实现

森林、树木和花卉等植被实时可视化仿真是复杂虚拟园林环境中的重要组成部分.论文基于OpensceneGraph(OSG)和实时建模工具MuitiGen Creator(Creator)设计并实现了林分场景可视化系统.重点介绍了系统实现的框架和技术流程,并对如何在Creator中建立模型的层次结构关系进行了分析与研究.同时对该系统中使用的关键技术,如粒子系统、漫游设计和碰撞检测等实现方法进行了介绍.最后利用该方法对北京市八达岭地区林分场景进行了可视化模拟,模拟的场景逼真、自然,能满足用户实时交互的需要.     

C~4ISR需求模型及一体化描述

研究了C4ISR需求要素及层次化C4ISR需求模型.探讨了节点、活动和信息在节点-关系模型、信息模型与IDEF0活动模型相互之间的映射关系,包括节点映射、活动映射、信息需求映射和约束数据映射,使节点,活动和信息在C4ISR需求模型中匹配起来;在此基础上,提出C4ISR需求一体化层次建模方法.最后,通过一个案例示例以说明了所提出方法的有效性,实用性.     

一种基于身份的数字签名算法研究

文电处理系统是一种用于作战命令及文书快速传送和快速处理的通信系统,该系统需要具备可靠、高效且适合移动设备的身份认证机制。针对该安全问题,利用基于身份的密码体制,提出了一个基于身份的数字签名方案。该方案系统开销小,运算量低,与同类方案比较也具有较好的效率。安全与性能分析表明,该方案是安全高效的,适合于在文电处理系统中使用。     

基于共线度的传感器网络节点定位性能分析

节点定位是无线传感器网络一个很重要的研究内容。提出一种新参数——共线度来分析一组三个参考节点的不同部署对传感器网络节点定位性能的影响,同时从理论上提出并证明了该参数对定位性能影响程度的两个定理。仿真实验显示:该参数有助于分析传感器网络节点的定位性能,并为选择良好的参考节点组合来进行有效定位提供了一个可行的参考指标。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

基于小波的弹性弹丸膛内引信过载研究

对引信膛内过载的研究,通常采用膛内压力测试的方法,利用弹底压力转换求得引信膛内过载,该方法无法体现弹丸的弹性变形、环境噪声等因素,为了更精确地描述引信膛内的过载,改进膛内引信过载测试方法,在膛内压力测试的基础上建立弹性弹丸模型,将弹丸看作两端自由的均匀等截面弹性杆,用纵向弹性变形运动过载对弹丸纵向过载进行修正,将弹丸膛内过载转换为引信膛内过载.并运用小波理论,根据自行设计的引信膛内过载直接测试方法的测试结果,建立引信高频信号库,然后利用信号库中的高频信号对修正后的过载进行加噪,从而得到能够较为真实的描述引信膛内状态的过载曲线.将处理结果与直接测试结果进行对比表明,使用该方法进行引信过载测试与直接测试方法得到的数据基本吻合,在试验成本上该方法存在优势.     

车辆起步过程发动机恒转速自适应模糊控制研究

车辆起步发动机恒转速控制是一种有效的起步控制策略,如何实现发动机转速跟随目标转速曲线变化以提高起步性能是一个难点.针对这一问题,制定了离合器接合控制原则,设计了以发动机转速及其目标转速、离合器行程为控制参数的自适应模糊控制及相应协调规则构成的控制系统.仿真试验表明在不同工况下该控制策略均能保证发动机基本无超调地达到目标转速,实现了发动机恒转速起步,离合器滑摩功小,能够反映驾驶员起步意图,提高了车辆起步性能.     

如何恰当激励零售商的过程创新行为

回购契约可以协调单供应商单零售商组成的供应链系统的订货行为,然而本文研究发现这一契约将过份地激励零售商的过程创新行为,从而损害供应商及整个供应链的利益．在零售商的过程创新行为不可被供应商观察和测量的条件下,利用数量折扣契约机制修正了原有回购契约,并利用这种综合契约机制恰当地激励了零售商的过程创新行为,使得供应链在创新行为下达到协调．     

Designing a Hybrid Intelligent Mining System for Credit Risk Evaluation

In this study, a novel hybrid intelligent mining system integrating rough sets theory and support vector machines is developed to extract efficiently association rules from original information table for credit risk evaluation and analysis. In the proposed hybrid intelligent system, support vector machines are used as a tool to extract typical features and filter its noise, which are different from the previous studies where rough sets were only used as a preprocessor for support vector machines. Such an approach could reduce the information table and generate the final knowledge from the reduced information table by rough sets. Therefore, the proposed hybrid intelligent system overcomes the difficulty of extracting rules from a trained support vector machine classifier and possesses the robustness which is lacking for rough-set-based approaches. In addition, the effectiveness of the proposed hybrid intelligent system is illustrated with two real-world credit datasets.