不同上下罩高对复合药型罩射流形成影响的数值模拟

在两种双锥罩的基础上,设计4种变壁厚和等壁厚相结合的复合双锥药型罩。应用LS-DYNA3D有限元程序,采用ALE方法对复合药型罩的小锥角聚能装药,在5种不同上下罩高比例的情况下射流形成过程进行数值模拟。结果表明:采用罩壁外母线为直线、上锥罩为等壁厚和下锥罩为变壁厚相结合的复合药型罩,射流速度梯度高于两种双锥罩和其他3种复合药型罩,且当上下罩高比例为5/5时,射流头部速度达到最大,为7 174 m/s;4种复合药型罩在上下罩高比例为7/3时,均出现射流较短并且射流中段较早发生失稳断裂的情况。     

基于图学习的密集空间网络传输资源调度方法

面对密集空间网络传输资源调度问题中的复杂度以及有效性挑战,本文以图论模型为纽带,将传统数学模型与机器学习方法相结合,提出一种基于图学习的密集空间网络传输资源调度方法.该方法基于图论模型对问题结构的认知将密集空间网络资源调度问题分解,由数学模型与基于图结构的强化学习交替配合完成整个求解过程.实验结果表明,与传统的基于数学模型的资源调度方法相比,所提方法能将资源调度收益提升25.1％,且其训练结果对网络场景变化具有较好的适应性.     

LTE和Wi-Fi网络的双时间尺度未授权频谱划分算法

根据Wi-Fi和LTE的频谱划分决策分别取决于全局信道状态信息(CSI)和局部CSI,提出了双时间尺度频谱划分算法,在较大时间尺度上根据全局CSI划分Wi-Fi频谱,在较小时间尺度上根据局部CSI划分LTE频谱。设计了自适应反馈补偿机制以提高双时间尺度算法的跟踪性能。此外,得到双时间尺度算法能够无差错地跟踪上均衡点的充分条件。仿真实验表明,双时间尺度算法能够以非常低的开销实现较好系统性能。     

基于分层强化学习的中继卫星网络任务动态调度方法

近年来，随着各类紧急任务数量的不断增长，如何在控制对常规任务影响的同时保障系统的收益已成为中继卫星网络任务动态调度的巨大挑战。针对这一问题，以最大化紧急任务总收益和最小化常规任务破坏程度为目标，提出了一种基于分层强化学习的中继卫星网络任务动态调度方法。具体而言，为了兼顾系统的长期与短期性能，设计了由上、下级DQN实现的双层调度框架，上级DQN从长期性能出发决定临时优化目标，下级DQN根据优化目标决定当前任务的调度策略。仿真结果表明，与传统的深度学习方法以及部分处理动态调度问题的启发式方法相比，所提方法能够在降低常规任务破坏程度的同时提升紧急任务总收益。