摘要： 为减少在遭受低当量核武器打击后应急撤离人员的辐射暴露，针对复杂地形场景下低当量核武器打击场景，研究开发了基于 A*算法的辐照剂量最小和通行时间最短的路径规划模型。通过模拟假想复杂地形下的核爆事故，结合气象预报模式 WRF、风场诊断模型 CALMET 和烟团扩散模型 SPUFF 的剂量结果以及精细的路网信息，开展 3 个不同区域撤离点到医疗点的路径规划，验证了该方法的有效性。通过假想每条路径上发生路径损坏的位置，验证了该方法在发生突发事故后的可靠性。结果表明：对于 3 个不同区域的撤离点，该方法均能规划出辐照剂量最小和通行时间最短的撤离路径，并且在初始路径发生损坏后，也能重新规划出合适的撤离路径。此外，在路径规划过程中，分别计算了未防护、佩戴面罩防护和面罩加铅衣防护 3 种情况下的累积剂量，结果显示面罩加铅衣防护可显著降低累积剂量，相比未防护或单独佩戴面罩防护分别减少约91% 和89%。

摘要： 针对传统地震相识别方法依赖大量高质量标注数据且在小样本场景下识别效果较差的问题 ,构建了考虑预训练 先验的小样本地震相识别模型 (seismic facies identification model incorporating pretrained few-shot learning,SFI-PFS),该模型结合 Moco 自监督预训练与原型对齐网络来实现小样本地震相识别。首先,使用基于 Moco V 1 预训练模型的地震编码器,以地震数据及其 4 种相关地震属性构建的正负样本对作为训练数据,采用对比自监督训练方法,使模型具备较强的特征提取能力;然后,将预训练的编码器作为原型对齐网络的特征提取器,构建具有特征提取先验的小样本地震相识别模型;最后,在仅有少量标注的地震数据集上微调模型,实现像素级别的地震相识别。在F3地震数据集上的实验结果表明:SFI-PFS 模型在 5 -shot 设置下的平均交并比可达72.4 %,相较于当前主流的地震相识别方法 SFM (Base) 和 Att-DeepLabV 3 +分别提高8.3 % 和 1.7 %,同时在地震相边缘具有更准确的划分结果。

摘要： 为更好发挥复合材料冲击后压缩失效机理和损伤容限表征参量对碳纤维增强复合材料(carbon fiber reinforced polymer,CFRP) 层压板强度设计的指导作用,基于红外热成像方法提出了 2 种新型损伤容限表征参量。首先,将受到不同能量冲击后的 T 800 级CFRP 层压板作为压缩试件进行静强度试验,利用红外热成像和二维数字图像相关系统进行压缩过程的实时监测,揭示其在压缩载荷下的破坏模式和失效机理;其次,结合本文所提的 2 种新型损伤容限表征参量,以最大平均温差和表观耗散能来衡量复合材料的冲击后压缩强度;最后,考虑到复合材料损伤容限表征参量与复合材料冲击损伤参数间的关联性不明,基于皮尔逊相关性分析方法分析了 3 种冲击损伤参数与 3 种损伤容限表征参量间的相关性。结果表明:随着冲击能量的增加,复合材料层压板的剩余强度逐渐降低,其中,纤维断裂损伤造成的剩余强度下降最为明显,而凹坑深度和分层面积是影响能量耗散的主要因素。新型损伤容限表征参量在评估层压板损伤容限特性中具备一定的可行性,可为今后 CFRP 层压板的损伤容限优化设计提供一定评估参考。

摘要： 为精准揭示航空发动机多装机影响因素对发动机性能的耦合影响特性,针对常规局部敏感性分析(local sensitivity analysis, LSA) 方法仅能考虑单一因素,无法准确揭示多因素耦合影响特性的局限,提出结合局部敏感性分析与正交全局敏感性分析(orthogonal global sensitivity analysis, O-GSA) 的综合研究方法,构建多因素耦合影响分析模型。首先,选取高度、马赫数、相对湿度、引气量和功率提取量作为装机影响因素,基于 LSA 方法精确量化各因素单独对发动机性能参数的影响规律;然后,采用O-GSA 方法设计双因素耦合实验方案,通过正交实验设计构建多因素交互作用分析模型,重点探究不同因素组合对发动机推力的耦合影响机制;最后,在典型工况下进行仿真计算,对比分析单因素与双因素耦合作用的差异。结果表明:马赫数对发动机性能的影响最为突出,其引发的推力及耗油率相对变化率可达 2.2 ;相对湿度对发动机性能的影响最弱,引起推力相对变化率仅有 0.003 5 。正交全局敏感性分析表明,相对湿度与压气机引气量的耦合作用对推力的影响最显著, F 值为 1.86 ,但该耦合因素影响与单因素影响相比,影响仍相对较弱。

摘要： 为应对未来大规模、高强度的空中战斗管理需求,针对空中作战规划问题,提出了一种基于群体网络计划图的全流程智能化空中作战规划方法。首先,针对任务管理计划表征,提出带时间戳的群体网络计划图模型;其次,针对任务管理计划生成,提出基于工作分解结构 (work breakdown structure, WBS) 的智能空中任务管理计划生成方 法,并进一步提出基于时间参数的计划冲突自动检测与智能消解方法,来对任务管理计划中存在的协同关系冲突、工作时长冲突以及“尽快原则”冲突进行检测与消解 ;最后,通过构建多角色多阶段群体协同任务场景对所提方法进行实例验证。结果表明:该方法能够自动生成符合高阶作战逻辑的可执行计划,并高效检测与消解 3 类冲突 ,生成无冲突的优化方案,从而验证了所提方法的可行性。

摘要： 针对切换拓扑条件下一般高阶线性群系统预设性能状态一致性问题,提出一种可对通信拓扑结构变化自适应的优化一致性设计与分析方法。首先,构建可调节群系统全局一致性能的优化指标,给出通信权重可自适应变换的一致性控制协议。通过正交变换,将群系统在一致性控制协议作用下的整体动态分解为两部分,即描述系统宏观运动的一致动态和代表系统内部协同误差的一致补动态。然后,结合一致性动态确定一致函数的显式表达式,并指出一致函数不受时变通信权重和拓扑切换过程的影响,仅由各主体的平均初始状态和系统矩阵决定。对于一致补动态部分,利用系统协同误差和正定矩阵构建了二次型形式的 Lyapunov 函数,通过将性能指标函数与Lyapunov 函数导数进行关联,建立性能指标函数上界和矩阵变量之间的关系,进而利用性能预设值限制性能上界间接地对矩阵变量进行约束,得到线性矩阵不等式条件,从而提出预设性能一致性设计与分析判据,并求解出性能代价值的显式表达式,给出了一致性增益矩阵和性能代价值的调节方法。最后,考虑由 6 个智能体构成的四阶线性群系统,开展了预设性能一致性控制的仿真实验。结果表明:所提方法能够有效解决群系统预设性能约束下的自适应优化一致性问题。

摘要： 针对激光制导武器数字化转型的迫切需要,基于计算建模与仿真分析方法,构建了激光导引头全链路数字化仿真平台。首先,通过建立激光导引头从激光传输、光电转换、自动增益放大、信号处理到定位解算的全流程全要素数学模型,实现了导引头工作机理的数字表征;其次,针对四象限探测器的测角特性开展理论建模,建立了输入信号与输出角度的数学映射关系,通过数值仿真揭示了测角精度与入射角度的非线性关系;最后,开发了激光导引头数字化仿真平台,支持输入信号参数、导引头光学参数、激光照射器参数以及高重频干扰参数的调整,可实时输出四象限探测器输出、A/D 采样、信号处理、定位解算等过程的关键数据。经多场景仿真验证,数字仿真平台输出结果与理论模型具有良好的一致性,为激光制导武器的数字化设计提供了参考。

摘要： 为缩短电静液作动器 (electro-hydrostatic actuator,EHA) 的空载启动时间,提出一种在液压缸活塞侧增设“蓄能器+高速开关阀组”回路的新型 EHA。在启动阶段,蓄能器充当辅助动力源,将空载下的活塞杆伸出到给定位置后,在液压泵的驱动下继续推动外负载运动;同时,为提高“蓄能器+高速开关阀组”液压回路快速启动过程中压力的稳定性,提出一种通过调节高速开关阀组占空比大小来使蓄能器出口通流面积自适应出口压力变化的控制方法,使蓄能器在外负载突然施加或变化时,能够以最佳状态吸收系统的压力和流量脉动;最后,采用 AMESim 软件仿真验证了所提 EHA 新构型和稳压控制方法的可行性和有效性。结果表明:在相同仿真参数设置下,采用常规结构的 EHA 启动时间为 38.2 s,而新型 EHA 的启动时间为 3.7 s,启动时间缩短了约90.31 %;在1 000 N的外载荷作用下,采用稳压控制方法的新型 EHA 系统位移波动幅值降低约 29 %。

摘要： 为了实现高光谱图像(hyperspectral image, HSI) 分类中传统卷积神经网络(convolutional neural network, CNN) 与 图 卷 积 网 络 (graph convolutional network, GCN)的优势互补以及局部特征与全局语义特征的充分融合,提出一种基于多尺度卷积与超像 素 级 图 卷 积 融 合 的 高 光 谱 图 像 分 类 网 络 (multiscale-convolutional and superpixel-level graph convolutional fusion network for hyperspectral image classification, MCSGN),通过采用双分支架构实现异构特征互补。多尺度卷积子网络分支通过并行 3×3 、5 × 5 、7 × 7 卷积核分层提取从局部细节语义到区域级空间语义的多尺度空间特征 ,增强模型对复杂地物细节的感知能力;超像素图卷积子网络分支基于简单线性迭代聚类算法实现超像素分割构建区域图结构,并引入动态邻接矩阵学习机制,结合多层图卷积操作自适应捕捉超像素间的长距离依赖关系,能够在降低计算量的同时生成图像 的全局空间结构信息。最后,通过通道级联融合两类特征,实现多尺度细节感知与结构化语义表达复合特征空间的构建。在 Indian Pines、Pavia University 和 Salinas 3 个公开数据集上进行实验,结果表明:MCSGN 的总体分类精度 (overall accuracy,OA)分别达到 98.31 %、98.95% 和99.35%,Kappa 系数均接近0.98 ,相较于 8 种代表性的高光谱分类方法,其分类精度最优。

摘要： 为解决现有频谱预测模型在采集于真实环境中的具有非平稳特征的数据集上的预测性能较差的问题,提出一种融合 DS-Attention 的 Informer 频谱预测改进方法。将 DS-Attention 可以防止过平稳化优点与 Informer 自注意力蒸馏机制能够压缩网络参数量的优点相结合,在真实环境采集的频谱数据集上进行广泛实验,与 5 种典型模型进行预测性能对比。结果表明:所提出的方法在 MAE、RMSE、 R2及 MAPE 等性能指标方面均取得最好结果。相较于传统神经网络模型 LSTM 与 TCN,在 RMSE 上分别提升了31.0% 与56.0%; 相较于Transformer变体模型Autoformer 与 Informer, 分别提升了18.4%与9.0%,验证了所提方法的有效性。

摘要： 针对多元时间序列预测中变量关联复杂、非线性显著及局部波动频繁等问题,提出一种融合模糊信息粒化与 CNN-LSTM(convolutional neural network and long short-term memory) 编码器-解码器结构的预测方法。首先,采用固定时间窗口对原始序列进行三角形模糊粒化处理,实现数据降噪与动态结构压缩;然后,构建由卷积神经网络和长短期记忆网络组成的深度预测模型,用于提取局部空间特征与建模时间依赖关系 ,从而实现从序列到点的高精度预测。最后,在 2 个典型多元时间序列数据集,即电网实时能源需求量与西安空气质量指数(air quality index,AQI)数据集上进行了验证。实验结果表明,所提方法在能源预测任务中的平均绝对误差、平均绝对百分比误差和均方根误差分别为 269.637 、 0.022 和 374.072 , 较CNN -LSTM 基线模型分别降低了26.69 %、35.29%和20.58%;在 AQI 预测任务中同样取得最优表现, 3 个误差分别降低了22.82 %、35.65%和28.38%,表现出较强的泛化能力和模型稳定性。证明所提方法适用于非平稳、多变量时序预测场景,在城市能源调度与环境质量监测等方面具有良好应用前景。

摘要： 针对滚动轴承剩余寿命 (remaining useful life, RUL) 预测领域存在的网络训练并行化困难、人工特征提取导致信号高频细节与非线性退化信息丢失等问题,提出基于空间重构与并行化建模的剩余寿命预测方法,构建了空间编码与并行化融合的深度预测模型。首先,利用莫顿空间填充曲线将一维振动信号重构为二维矩阵,有效解决了原始信号完整性保持与空间相关性表征的关键问题;其次,通过分组卷积网络构建多尺度时频特征提取模块,结合特征张量融合技术解决了多维度退化信息联合与时间属性嵌入的难题;最后,在 XJTU-SY 滚动轴承标准数据集上进行了寿命预测实验。结果表明:所提方法较 Bi-LSTM-Att 与 CDBN-D 模型预测精度更高,所预测出的寿命曲线更贴近真实值;此外,所提方法在保持原始信号完整性的同时,能够提升计算效率,成功验证了空间编码与并行化建模的协同增效作用。