海面角反射器是反舰导弹的主要诱骗干扰手段之一。研究海面角反射器的极化散射特性具有重要的军事应用价值。极化旋转域解译方法能够有效挖掘目标散射多样性中蕴含的丰富散射信息。本文利用极化相关方向图解译工具分析了典型三面角和二面角结构的极化旋转域特性差异。在此基础上以八面体角反射器和二十面体角反射器为研究对象, 分析了角反射器极化旋转域特征随方位角、频率以及海况等级的变化情况, 揭示了海面角反射器极化旋转域特性演化规律。通过特征提取, 研究发现极化相关度、极化相关起伏度、极化相关特征最小值、极化相关对比度和极化相关特征反熵敏感于舰船目标和角反射器干扰的极化散射差异。研究工作为角反射器干扰的抑制和鉴别提供了关键技术支撑。

多光谱和合成孔径雷达图像的融合可以保留每个数据的优势, 有利于提高土地覆盖分类精度。然而, 当前的一些图像融合方法不能完全利用原始数据的光谱信息与纹理细节。为了克服上述问题, 提出一种基于空谱信息协同和Gram-Schmidt变换的融合方法。在所提方法中, Sentinel-2A图像和高分三号(GaoFen-3, GF-3)图像分别经过不同的预处理操作。由于灰度共生矩阵能有效提取图像的纹理信息, 因此将其应用于Sentinel-2A图像以提取结构特征, 并将空谱信息协同的多光谱图像与GF-3图像通过Gram-Schmidt变换进行融合。实验采用主成分分析法和传统的Gram-Schmidt变换作为比较方法。为了确定融合算法的有效性, 采用5项评价指标(包括平均梯度、空间频率、均值、标准差和相关系数)来衡量融合图像的质量。此外, 由于随机森林具有优秀的训练速度和出色的分类性能, 将其用于土地覆盖分类。随机森林的分类精度、Kappa系数和分类结果图作为融合方法的评价标准。实验结果表明, 与单独使用原始Sentinel-2A相比, 所提方法可以将整体精度提高多达5%, 具有提高遥感卫星图像土地覆盖分类精度的潜力。

为提升在强噪声背景下对二进制相移键控(binary phase shift keying, BPSK)信号的检测性能, 针对主流方法在抑制噪声过程中信号受到一定程度的削弱、信号处理系统引入新噪声导致检测性能下降的问题，提出了基于自适应尺度变换双稳态随机共振模型的BPSK信号检测算法。对于经典的双稳态随机共振系统只能处理小幅度、低频段的周期信号的情况, 首先将双稳态随机共振系统进行尺度变换, 证明在高采样率条件下, 双稳态随机共振系统可应用于高频的BPSK信号, 并基于Neyman-Pearson准则设计了非线性阈值检测系统, 推导且定量表示出检测器的误码率, 以此作为反馈量, 自适应地调节系统参数, 构建了信号检测的完备流程。通过仿真实验验证了尺度变换的可行性以及所提算法的适用性, 为低信噪比条件下的弱BPSK信号检测提供了理论依据。

为了研究磁浮列车离线电弧对机场航向信标的影响, 选取了国内某磁浮线路离线电弧现象发生频繁的分段绝缘器处, 对列车的电磁辐射进行了测试。结合现场测试数据, 在电磁场仿真软件FEKO中搭建了磁浮列车及轨道模型, 分析了离线电弧在轨道和车体电磁屏蔽作用下的电场分布特性。之后，通过最小二乘的线性回归方法, 得到离线电弧在航向信标频段内的幅频特性。在此基础上，结合电波传播理论及GB 6364的相关要求, 以磁浮线路与机场跑道延长线平行、线路垂直下穿跑道两种情况为例, 分析了离线电弧电磁辐射对航向信标的影响。研究结果表明，磁浮线路下穿机场的情况下, 飞机着陆过程中接收信号信噪比满足标准规定的20 dB防护率要求; 磁浮线路与机场跑道延长线平行的情况下, 两者间距小于86.4 m时, 离线电弧可能会对航向信标造成影响。研究结果可为磁浮线路与机场间的电磁兼容性设计提供理论依据。

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题, 通过分析变量特征将其分类再分别优化是当前较为有效的求解方法, 但存在变量分类不够准确、变量处理不够有针对性等不足。对此, 提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先，通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量, 使变量分类更为准确。其次，通过对收敛性变量主成分分析降噪，降低计算成本, 并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明, 所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。

为了缓解传统实孔径微波辐射计中性能指标与体积、重量间的矛盾, 解决综合孔径微波辐射计中高空间分辨率以系统结构、信号处理复杂度高为代价的难题, 提出了一种基于漏波天线的分布式微波辐射计系统。首先, 介绍了系统总体方案, 包括漏波天线和接收机方案; 其次, 详细分析了系统的关键指标——角分辨率和系统灵敏度, 并介绍了定标方案; 最后, 对系统进行建模并仿真分析。结果表明, 所设计的系统结构简单、复杂度较低、信号处理简单; 通过对系统进行建模仿真, 反演出的亮温值和真实亮温值误差很小。该系统可以作为一种新型的微波辐射计系统重点发展。

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求，提出一种基于均匀线阵构建虚拟波束，替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法，对信号主信息分量进行提取，并以构建的虚拟波束为输入，计算FOC矩阵；二是针对主分量虚拟波束波瓣外的起伏，利用高斯窗修正波束方向图的方法，进一步提升空间谱函数的估计精度。仿真结果表明，该方法在存在阵列误差的非理想因素下，对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上，尤其对于场内同时存在多个非等功率源信号时，所提方法对低信噪比目标DOA估计精度提升效果优势明显，对复杂干扰环境下DOA估计精度更高、适应性更强。

分布式雷达网相对于单站雷达系统而言, 可以通过信息融合、协同探测等技术获得目标探测性能的提升。然而实际应用中, 目标相对于各个雷达站距离和视角通常不同, 往往存在某些雷达站由于信噪比较低无法捕获成功。针对上述问题, 充分依托分布式雷达网信息共享的优势, 提出一种多帧联合航迹起始方法。首先将已经成功建立目标航迹的雷达站获取的跟踪信息, 传递至尚未发现目标的雷达站, 并基于该跟踪信息建立预测波门, 设计预测波门内的多帧联合检测方法, 最终根据检测结果完成目标航迹起始。仿真试验表明, 所提方法可以实现航迹起始性能的提升。

针对复杂体制雷达辐射源的识别问题, 提出了一种基于时频特征提取与多级跳线残差网络(multi-level jumper residual network, MLJ-RN)结合的识别方法。首先，计算辐射源信号的平滑伪Wigner-Ville时频分布生成时频图像以表达信号本质特征, 将图像进行预处理以保留信号细微特征差异。然后，设计多级跳线连接的残差单元, 在此基础上构造MLJ-RN, 对时频图像相邻卷积层的细微特征进行学习和识别, 并使用随机梯度下降法训练网络。最后，通过对网络进行参数优化, 强化对信号的深层特征提取能力。仿真结果表明, 信噪比为－5 dB时, 该方法对12类雷达辐射源信号的整体识别概率达到95.1%, 从而验证了该方法在低信噪比下识别雷达信号的有效性。

主瓣干扰由于与真实目标位于同一个雷达波束宽度, 不仅会严重降低雷达对真实目标的检测与跟踪性能, 更难以在波束层面上受到抑制。来自主瓣的频谱弥散(smeared spectrum, SMSP)干扰可以在时频域对目标信号进行遮盖, 更可在空域上形成多个具有欺骗效果的假目标。针对此问题, 提出一种基于频控阵-多输入多输出雷达的空时域联合抑制方法, 利用盲源分离算法将目标与干扰分离在不同通道, 在获得目标距离信息后进行距离- 角度联合波束形成, 以提高输入信干噪比。该方法可以在不具有目标的距离先验信息条件下有效抑制主瓣SMSP干扰, 因此具有很好的适用性, 仿真实验验证了所提方法的有效性。

中高脉冲重复频率雷达中, 目标的回波延迟时间大于发射脉冲的重复周期时会导致距离模糊。本文在多输入多输出(multiple-input multiple-output, MIMO)雷达中进行联合发射阵元与脉冲二维编码(element-pulse coding, EPC), 对阵元脉冲编码的设计方法进行了研究, 可实现距离解模糊。对基于Fourier正交基的编码设计进行推广, 提出了一般的EPC方法, 对于 M 个发射阵元, 可获得 M ! 种编码方式。引入期望距离区与模糊距离区的信号模糊比(signal-to-ambiguous-plus-noise ratio, SANR)作为解模糊性能的评估准则, 进行了性能分析。针对角度误差提出了稳健的权矢量优化方法, 进一步提高了解距离模糊的稳健性。仿真实验验证了所提方法的有效性, 不同编码方式在理想情况下均能有效分离不同距离区的目标, 且优化权矢量后 M ! 种编码方式对应的解距离模糊性能相近。

针对传统Dempster-Shafer (D-S)理论无法有效融合高冲突证据的问题, 提出了基于本征向量和Jousselme距离的证据修改方法。首先, 由决策者结合主观经验根据原始证据的重要性给出判断矩阵, 并利用本征向量法解得主观权重。接着, 由原始证据间的Jousselme距离得到客观权重, 然后, 综合主客观权重对原始证据进行修改。最后, 对修改后的证据体使用D-S理论进行融合。仿真结果表明, 该方法在对高冲突证据进行融合时收敛速度快, 准确度高, 同时具备良好的适应能力, 很好地解决了高冲突证据的融合问题。

针对超大规模卫星星座可能出现的运行维护成本高、任务可用度低的问题, 结合卫星批量化生产以及采用一枚火箭将多颗卫星送入轨道(一箭多星)的现状, 基于可维修备件多级保障库存技术(multi-echelon technique for recoverable item control, METRIC)提出一种超大规模卫星星座多级备份策略。首先, 阐述了基于METRIC理论的卫星星座多级备份策略模型的原理, 备份策略同时考虑地面备份、停泊轨道备份以及星座轨道备份3种备份模式, 建立了考虑卫星年平均需求量、期望需求量与期望短缺数的星座可用度模型, 包含制造费用和发射费用的星座备份费用模型，以及以星座可用度为约束, 星座备份费用为优化目标的数学优化模型。然后, 以某型超大规模低轨卫星星座为案例研究对象, 使用遗传算法和边际分析法进行求解。最后, 讨论了遗传算法与边际分析法在求解该优化问题时的优缺点。结果表明, 在同一星座可用度指标下, 采用星座多级备份策略可比采用传统两级备份策略有效降低每年备份费用; 在保证星座可用度的前提下大幅降低了超大规模卫星星座的备份费用, 可为精确配置各级备份卫星数量提供参考。

建设与发展有效的装备体系需要依赖合理的效能评估方法。诸多评估方法在复杂依赖关系的量化分析上存在不足, 因此引入功能依赖网络分析(functional dependency network analysis, FDNA)法, 通过双依赖参数、分段线性模型等捕捉体系复杂依赖关系及其造成的级联效应。进而立足FDNA方法的优点, 突破其局限性, 提出基于作战环的功能依赖网络建模规范, 通过链路健康指数、综合依赖关键度、多系统冗余表决系统等调整、新增、完善效能聚合模型, 形成可捕捉和反映更广泛作战场景的扩展FDNA(extended FDNA, E-FDNA)方法。以海上防空反导体系为例, 通过与现有FDNA系列方法以及复杂网络方法在体系效能值、关键系统识别等方面的对比分析, 验证了E-FDNA方法的可行性和有效性, 为装备体系的效能评估提供了新方法。

针对复杂作战任务分解中存在的随意性、不确定性问题, 综合考虑任务主体能力属性和结构特征等二元约束, 提出了一种由子任务集提取(extraction, E)、约束检验(verification, V)、子任务集调整(adjustment, A)等步骤递进循环形成的任务分解EVA方法。首先, 构建了全局任务空间, 提出基于任务匹配的子任务集提取方法; 其次, 针对任务主体能力属性和结构特征的二元约束, 建立了子任务集调整模型, 通过改进精英保留策略, 引入任务分解粒度和交叉变异概率动态调整策略, 提出了一种引进的非支配排序遗传算法-Ⅱ(improved non-dominated sorting genetic algorithm-Ⅱ, INSGA-Ⅱ)算法; 最后, 进行仿真实验, 验证了算法相较于传统多目标优化算法在解集多样性、收敛性和时间性能上的优势。研究结果表明, 所提方法能够使决策者依据任务主体实际自主调控任务分解结果, 在一定程度上克服了传统方法过度依赖主观经验, 忽略任务主体能力属性、结构特征约束的问题。

在基于多源信息融合的焊接缺陷评估中, 特征选择对提高评估精度与速度发挥着重要作用。多源特征集由电弧电特征与电弧声音特征组成, 其特点在于特征集中存在冗余与互补特征。因此, 本文提出一种基于改进非支配排序遗传算法-Ⅲ(non-dominated sorting genetic algorithm-Ⅲ, NSGA3)的多目标特征选择方法, 旨在从多源特征集中找到最优特征子集。该方法首先对特征集进行相关、冗余和互补特性分析, 再以冗余性最小, 相关性与互补性最大为目标建立多目标特征选择优化模型。并基于相关、冗余和互补评价函数提出一种新的变异算子来引导变异过程, 以减少无效特征的影响, 提高收敛效率。实验采用支持向量机作为学习器来验证学习效果, 结果表明, 所提方法与其他3种方法相比, 可以在特征子集维度和预测精度方面获得更好的性能。

针对保修期内孤立地对各单部件进行维修增加装备保修费用的问题, 结合复杂装备的二维保修现状, 以保修期内的保修费用为主要定量化分析指标, 以单部件二维预防性维修费用模型为基础, 将研究对象由单部件系统拓展到包含串联多部件系统的复杂装备。引入预防性维修基准间隔期, 采用组合维修的方法, 将各单部件预防性维修工作组合优化, 建立了多部件系统二维预防性组合维修费用模型。最后, 实例分析验证了该方法的可行性，可为二维预防性维修服务下多部件系统组合维修策略的制订提供科学依据与定量化分析方法。

针对樽海鞘群算法在求解复杂优化问题时存在种群多样性减弱、易于陷入局部最优等不足, 提出了一种使用高斯分布估计策略的改进樽海鞘群算法(salp swarm algorithm using elite pool strategy and Gaussian distribution estimation strategy, GDESSA)。首先提出一种精英池选择策略, 领导者位置在每次更新时随机从精英池中选择一个个体作为食物源, 增强领导者的探索能力, 丰富种群多样性。其次利用高斯分布估计策略对追随者公式进行改进, 通过拟合优势群体信息, 修正种群进化方向, 增强算法的寻优能力。使用CEC2017测试函数对改进算法进行测试, 并通过统计分析、收敛性分析、稳定性分析、Wilcoxon检验、Friedman检验、Iman-Davenport检验评估改进算法性能。仿真结果表明: 本文提出的改进策略能有效提高算法性能; 提出的改进算法相比其他算法, 具有更快的收敛速度和更好的收敛精度。

针对目前基于三元组知识构建的知识图谱结构逻辑性弱、难以形成知识体系的问题, 以公文应用背景为牵引, 提出多模态知识结构要素抽取模型, 构建多模态公文文档数据集GovDoc-CN, 在文本和图像两个模态对文档中包括各级标题、摘要、作者、成文时间、文档编号等在内的知识结构要素进行抽取。设计文档结构树模型对抽取的文档知识结构要素进行组织, 并构建结构化图网络实现文档的组织和管理。实验证明, 相较于单一模态的抽取模型, 多模态知识结构要素抽取模型取得了明显的效果提升, 文档结构树模型和基于文档结构树模型构建的结构化图网络为文档知识的组织与管理提供了一种新途径, 具有重要的应用价值。

针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle, AUV)集群航路规划的缺陷, 提出了精英族系遗传算法(elite family genetic algorithm, EFGA)。该算法将基因适应度加入适应度评价函数中, 同时在进化过程中标记精英个体作为多路径规划结果, 并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning, MAPP)方法。仿真结果表明, 该算法可以求解无冲突路径集合实现MAPP, 通过实现AUV集群的最优多路径航行方案减少集群的航行耗时, 且能够满足不同AUV编队规模对可调路径宽度的需求。

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。

基于全球导航卫星系统(global navigation satellite system，GNSS)接收机射频前端增益大小引起的抗干扰能力与模数转换器(analog to digital converter，ADC)量化损耗之间的矛盾问题，提出一种抗干扰性能约束下的最优前端增益设计方法。首先，建立射频通道、ADC的数学模型。然后，分析在无干扰情况下前端增益对信号采样的影响、干扰条件下的抗干扰极限性能。最后，针对前端增益对信号接收与抗干扰性能之间的矛盾，以抗干扰性能为优化目标提出了最优的前端增益设计方法。仿真实测结果验证了本文分析结论的准确性和提出方法的有效性。

针对气动舵受限下的弹性高超声速飞行器控制问题, 提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中, 为了降低对模型参数的依赖程度, 应用强化学习算法在线调整比例积分微分(proportional integral derivative, PID)控制参数, 给出智能PID控制策略。对于高度子系统, 考虑气动舵的动态特性, 利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题, 以非线性模型预测控制为优化分配模板生成大量样本数据集, 经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外, 通过引入自适应超螺旋微分器处理外部扰动, 增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性, 并通过仿真验证了所设计控制方案能够快速计算控制指令, 实现高精度跟踪控制。

北斗三号全球卫星导航系统正式开通, 面对空间电磁环境日趋复杂, 地面接收信号功率微弱等问题, 强干扰下的B2新信号, 对信号质量提出新的挑战及更高的要求。对此, 建立了B2信号及窄带干扰信号模型, 仿真分析窄带干扰信号在不同中频、带宽、干信比条件下对信号功率谱偏差、相关损耗、S曲线过零点偏差的影响, 并用实测信号进行验证。研究结果表明, 窄带干扰信号参数变化对信号质量影响较大, 干扰环境恶劣时, 信号质量明显变差, 导致伪距测量误差较大, 影响用户定位精度。研究成果可为干扰监测评估及信号质量评估提供参考依据。

针对航路飞行阶段的航空器, 通过对比空间直角坐标系和大地坐标系的优劣, 采用大地坐标系表示航空器的位置; 基于大地坐标系, 将航空器的运动解耦成3个方向上的独立运动, 分别建立每个方向上的子模型; 使用交互式多模型(interacting multiple model, IMM)算法对航空器的航迹进行跟踪。仿真结果表明, 基于大地坐标系的IMM算法对于航空器有很好的轨迹追踪性能; 根据航空器末时状态及各个子模型的概率分布进行航空器的航迹短期外推, 基于大地坐标系的IMM算法的航迹外推性能优于基于空间直角坐标系的IMM算法的航迹外推性能。

针对无人机姿态角误差与观测误差影响目标定位精度问题, 构建基于辅助信标的无人机协同目标跟踪模型, 提高了对目标的定位精度。提出基于辅助信标的姿态校正方法, 利用辅助信标的精确位置实时校正无人机的姿态角, 减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型, 设计双无人机协同控制律, 得到无人机观测的优化轨迹, 以提高无人机对目标的观测质量, 最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响, 提高目标跟踪精度, 具有一定的工程应用价值。

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。

针对复杂电子对抗场景中的非理想信道环境, 该文提出了一种基于深度学习的异常检测(anomaly detection, AD)方法。首先, 分析了利用时频同相/正交(in-phase/quadrature, I/Q)采样数据进行AD的可行性; 然后, 设计了深度学习网络架构, 并提出基于深度支持向量描述(deep support vector data description, Deep SVDD)和调制识别的AD方法。仿真及实验结果表明: 相比于经典的单分类检测算法, 该方法检测性能和实时性明显提升, 且在非理想信道环境下表现鲁棒。该方法已在某型号项目原理样机上得到验证, 具有很高应用价值。

针对组网导航系统(networked navigation systems, NNSs)中节点高速移动、能量受限及通信时滞的问题, 融合了基于移动汇聚节点的交叉路由树构建及链式分簇相结合的路由协议(cross routing tree construction based on mobile sink and chain clustering, CRTCC), 设计了一种基于节点分级的跨层媒介访问控制协议(medium access control protocol based on graded nodes, GN-MAC)。GN-MAC采取了基于竞争的媒介访问方式, 结合CRTCC协议特点定义GN-MAC包格式并完成具有多级别节点的自适应虚拟分簇, 同时设计了改进型节点移动性检测算法, 作出了最优簇间切换决策, 提出了基于优先级的竞争机制以及多信道通信机制。最后通过算例仿真, 验证了GN-MAC在节点高速移动和多移动节点情况下, 时滞和能耗得到了有效的控制。

准确识别航空网络关键节点, 做好针对性防护, 对于保证航空网络正常运行至关重要。传统的方法, 如基于复杂网络中心性指标的方法, 或基于机器学习的算法, 只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题, 本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型, 该模型在图卷积网络的基础上, 引入多任务学习及自适应加权策略, 将“节点—节点相关性”作为辅助任务加入模型的训练过程中, 并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型, 为图卷积在航空网络节点分类方向的应用提供了思路。

针对目前低密度奇偶校验(low-density parity-check, LDPC)码偏移最小和(offset min-sum, OMS)算法偏移因子选取不够准确的问题, 提出了一种基于次序统计量的OMS(order statistics OMS, OR-OMS)算法。该算法使用两个不同的偏移因子对校验节点更新结果进行修正, 一个偏移因子用于修正第一最小值结果, 另一个偏移因子用于修正第二最小值结果。利用次序统计量进行理论分析, 得出最优的两个偏移因子值。所提算法使用分层调度的消息传递方式, 加快算法的收敛速度。仿真结果表明, 该算法与传统的OMS算法相比, 在误比特率(bite error rate, BER)为10^-5时所提算法译码性能可以获得约0.35 dB的增益, 平均迭代次数最多能够降低34.28%, 同时拥有更好的收敛性能。

k/n: M(G)冷备表决系统包含n个工作部件, M个冷储备件, 至少有k个部件工作时系统工作。然而, 现有对于k/n: M(G)冷备表决系统的研究集中在同型指数分布的情况, 缺乏针对其工作部件非同型且服从任意分布的情况的研究。本文研究了k/n: M(G)冷备表决系统的可靠度, 系统部件服从任意分布, 冷备件服从同一分布。对k=n的情况, 给出了M取任意值时部件同型和非同型情况下的系统可靠度解析式。对于k＜n的情况, 考虑了两种不同的冷备件替换策略, 给出了部件同型情况和非同型M取特定值情况下的系统可靠度解析式。蒙特卡罗仿真实验证明了所提方法的准确性。

针对一类非线性函数中耦合执行器故障的非线性动态系统, 提出一种基于自适应未知输入观测器的多故障快速重构方法, 通过引入比例项提高故障重构的快速性。首先, 将执行器故障进行解耦处理并构建包含传感器故障的增广系统。然后, 综合H_∞性能指标给出状态估计误差的稳定性证明。接着, 将观测器增益矩阵的求解转化为受线线矩阵不等式约束的非线性优化问题, 并实现执行器故障和传感器故障的多故障重构。最后, 结合单关节柔性机器人算例仿真验证了所提方法的有效性。

为了实时监控装备的性能变化规律, 对可能出现的突发情况进行预测, 本文首先考虑工程中装备在线监控预警系统中历史样本数据来源广泛、数据形式不规范问题, 基于B样条插值算法对历史数据进行了规整。其次, 针对性能退化研究中存在的随机性误差、性能指标变化不规律问题, 基于自组织映射和堆栈自编码器对相似样本集的退化特征进行提取与重构, 提出了基于最小特征圆的指标构造方法, 再采用双指数模型对装备的性能退化规律和寿命进行预测。最后, 使用仿真数据对模型的正确性进行验证。结果表明, 本模型和方法可以有效预测装备的性能退化规律, 并能体现装备遭受冲击时性能的退化与恢复规律。