机电系统多学科综合设计异构信息集成

为了实现机电系统多学科设计异构信息的集成,提出了机电系统多学科设计信息集成框架,建立了机电系统公共信息模型和通用数据访问接口.通过导弹发射车的多学科设计实例,验证了机电系统多学科设计信息集成框架的可行性和有效性.结果表明,机电系统公共信息模型能够为机电系统多学科设计人员提供关于机电系统信息的完整逻辑视图,通用数据访问接口为集成多学科设计工具提供了统一的数据访问方式;信息集成框架实现了信息模型异构的多学科设计应用工具之间的互操作以及信息的交流共享.     

执行器故障下无人机-无人车异构编队控制

针对存在执行器故障的无人机-无人车异构系统,研究了编队跟踪容错控制问题。首先,异构系统采用有向图的拓扑结构,且并非所有无人机/车都能接收到参考信号,故在充分考虑无人机/车运动学模型存在较大差异的前提下,设计了一种针对两类系统都通用的分布式信号估计器来获取参考信号的信息。然后,基于参考信号估计值,利用鲁棒自适应控制理论,提出了形式统一的分布式容错控制协议。该协议无需获取精准故障信息,就能有效地补偿故障对异构系统性能的影响,确保异构系统在故障情况下仍能按照预先设定的编队构型跟踪上外界参考信号。最后,通过仿真试验验证了所提算法的有效性。     

电力系统厂站接线图拓扑关系检测技术

厂站接线图中电气元件的拓扑关系是厂站接线图自动生成技术所需的核心数据。目前,已知的厂站接线图自动生成技术仍然依靠人工获取图中的拓扑关系。通过利用基于深度学习的目标检测技术与传统的计算机图像处理技术相结合的方式,能够实现厂站接线图拓扑关系检测。首先,利用基于深度学习的目标检测方法对电气元件进行识别,并利用计算机图像处理技术对标量格式接线图进行预处理,完成电气元件与连接线的分割。然后,利用轮廓跟踪算法对连接线连通区域进行检测标记。最后,根据获取的电气元件信息与连接线信息获取图纸的拓扑关系。采用国家电网有限公司提供的数据集,并设计了对比实验,验证了所提方法的有效性。      

基于信息融合的网络安全态势量化评估方法

针对目前网络安全态势评估大多存在信息来源单一、评估范围有限、模型不易构建、时空开销大且可信度较低等问题,提出了一种多源异构信息融合量化评估网络安全态势的方法。首先,构建分级朴素贝叶斯分类器,快速高效地融合主机上各多源异构非确定性信息源。然后,利用拉普拉斯原理平滑参数学习,优化分类与推理结果。使用数理统计的方法融合网络上各主机的安全指数,量化评估网络安全态势,对当前网络安全状况有一个宏观整体的认识。最后,通过真实网络环境的实验,验证了所提方法在网络安全态势评估中的可行性和有效性。      

民用飞机机身结构快速设计及自动化调整

为了在飞机设计前期对结构进行较详细的考虑,满足在设计前期进行以强度为约束的重量特性评估、方案评估等方面的需求,研究了民用飞机机身结构快速设计、建模以及模型自动化调整的方法,并运用该方法在一个开放式飞机总体设计环境中开发实现了此功能.定义了飞机机身坐标系,提出了机身各类结构件的参数化描述及构建模型的方法,建立了交互式机身结构设计环境,可自动获取结构的体积、重量和惯性矩等信息.在此基础上实现了模型自动化调整和重量特性的同步更新,为总体设计阶段进行飞机重量、气动和结构的多学科设计优化奠定了基础.最后,用设计实例验证了该方法的有效性.      

基于有限存储空间的分布式传感器融合估计器

研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰，在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器，利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后，通过某电源系统计算实例仿真验证所提融合估计器的有效性。     

面向异构大数据环境的数据脱敏模型

不同场景下数据类型和脱敏需求的差异，使得传统的数据脱敏方法难以满足大数据背景下的用户隐私保护需求。如何实现异构大数据中敏感信息的精准定向、高效脱敏，从而更好地确保数据安全、可信和可用，是本领域的研究难点。提出了一种在异构大数据环境下，基于文本、图片、音频和数据库等异构数据的脱敏模型，并对4个关键模块进行了描述。通过脱敏数据预处理，实现不同应用场景下敏感数据的自动标注和分级设置。采用数据预脱敏处理方法，并从数据可用性、数据关联性、隐私保护度、时间和空间复杂度等5个维度进行脱敏效果评价，实现定制化脱敏策略。经过脱敏任务调度完成脱敏任务分配和执行，并支持用户对部分脱敏数据恢复。基于提出的异构大数据脱敏模型，对2种典型数据脱敏应用场景进行了验证分析，表明所提模型能够实现不同应用场景下异构敏感数据的高效脱敏。      

知识与数据融合的可靠性定量模型建模方法

可靠性定量设计的关键是建立可靠性定量模型。现有的可靠性定量模型建模方法主要基于设计人员对产品对象故障规律的知识,包括故障模式、环境扰动、故障机理等。但知识固有的有限性和不完整性必然会给可靠性定量模型带来模型误差和输入参数的不确定性。针对这个问题,提出了基于贝叶斯理论融合知识和数据的可靠性定量模型建模方法,量化并更新模型误差和输入参数的不确定性。为此,首先说明了知识与数据融合的可靠性定量模型建模工作,建立了知识与数据融合的可靠性定量模型建模框架;接着阐述了基于贝叶斯理论的知识与数据融合原理;然后介绍了基于贝叶斯理论融合知识与数据的通用方法,并分别针对性能波动数据和性能退化数据2种常见数据类型进一步详细讨论了各自适用的贝叶斯融合方法;最后通过机载轴向柱塞泵的案例验证了前述方法的可行性和有效性。      

基于群体意志统一的无人机协同围捕策略

针对无人机(UAV)协同围捕问题,提出一种基于群体意志统一的围捕策略。受人类在协作任务中的认知机理启发,引入“群体意志”定义无人机的协作认知,并构建双回路认知模型,借助图卷积网络对围捕无人机获取的局部态势进行融合认知,有效减轻无人机系统的计算负载。依靠变分推断原理和生成式自动编码器对围捕无人机进行群体意志趋同学习,依据Apollonius圆实现协同围捕,使无人机集群涌现出更加智能化的围捕效果。通过对比仿真验证了所提策略的有效性和智能性。     

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。      

基于深度强化学习的高超声速飞行器动态面控制方法

针对高超声速飞行器控制问题,通过将深度强化学习与动态面控制方法相结合,设计了智能姿态控制算法。首先,基于模型先验知识,采用传统的动态面控制方法设计控制器结构。然后,考虑跟踪误差和控制量幅值约束的情况下,采用深度学习算法完成对控制器参数的智能寻优,代替传统设计中的人工调参试错过程。为提升训练效果,在奖励函数中引入了控制量变化率。最后,通过数值仿真验证了所设计控制方法的有效性与鲁棒性。     

基于数据中台的数据融合集成关键技术研究

当前开发新的业务系统往往需要从其他系统引接数据,系统之间的直接数据交互增加了系统开发的复杂性。为解决上述问题,研究基于数据中台的数据融合集成关键技术,为数据中台建设提供参考。设计数据中台技术架构,实现数据引接、数据管理和数据服务。覆盖数据生命周期,设计数据中台业务流程。瞄准数据赋能目标,提升数据融合集成核心能力,采用混合架构完成多源异构数据存储,利用数据层次模型实现数据映射,应用知识图谱进行数据关联。本文提出的数据中台技术架构已在实际项目中运用,达到预期效果。     

基于健康度分析与分层数据融合的导弹健康状态评估

针对导弹装备提出了一种基于健康度分析与分层数据融合的评价方法,可以实现对导弹健康状态的评估与分级。首先,利用导弹各个部件的性能参数来计算部件的健康度,并通过部件的履历信息对其健康度进行修正。然后,对各部件的修正健康度进行分层数据融合来得到导弹综合健康状态的评估结果。特别地,设计了一种基于惩罚型权重更新的健康度分层数据融合算法,能够有效提高导弹综合健康状态评估结果的合理性和可靠性。最后,采用导弹的性能参数数据对所提出的方法进行了仿真验证,仿真结果表明了所提方法的可行性与有效性。     

基于CRITIC-TOPSIS的动态辐射源威胁评估

为解决传统辐射源威胁评估方法与空战动态态势联系不紧密的问题,提高评估准确度,提出泊松分布逆形式与逼近理想解排序（TOPSIS）方法相结合的算法,并引入指标相关性的权重确定（CRITIC）方法分配属性权重,构建基于CRITIC-TOPSIS的动态辐射源威胁评估模型。针对传统方法仅依靠当前侦收数据,未体现空战态势动态变化的不足,采用泊松分布逆形式融合多个时刻的辐射源数据信息,实现动态评估;针对传统TOPSIS方法依赖主观赋值的问题,CRITIC方法综合考虑单个指标内部和多个指标之间的关联性,能完整描述属性信息并客观分配属性权重。仿真结果表明,相较于传统静态评估模型,所提模型对于威胁度不同的辐射源区分度更大,评估准确性和可靠性更高。      

面向可靠性预计的软件运行时行为模型构造方法

运行时行为模型构造是面向可靠性预计的软件运行时模型构造的组成部分，为软件可靠性预计提供运行时组件与组件之间的动态交互关系和状态之间的转移概率信息。基于Java开发平台提出了一种基于非侵入式监控的软件运行时行为模型的构造方法，包括获得当前时刻的运行时体系结构模型；根据运行时体系结构模型确定监控对象；声明监控方法中的代理Bean；声明监控方法中的监控Bean，实现对组件动态调用信息的提取；声明代理Bean和监控Bean的接口；基于模型构造算法实现对运行时行为模型的构造等步骤。基于Rainbow-znn软件进行了实例应用，验证了所提方法的可行性。      

高超飞行器的天基多尺度异步平台协同探测方法

本文针对多种不同传感器协同探测信息融合过程中的异步融合与时间延迟问题,提出了一种基于多尺度系统理论的多传感器时间配准融合方法。首先,建立单状态多量测的多尺度系统模型。其次,结合尺度递归状态融合算法和有序加权平均策略(OWA)算法,解决了异类传感器间采样率不同而引起的异步融合问题。然后,对融合中心的信息到达情况进行分析,基于OWA算法通过预测补偿方法完成对传感器延迟信息的处理。最后仿真结果表明本文所提方法可以有效解决多传感器协同探测中的异步融合与时间延迟问题。     

一种柔性可展桁架结构的主动振动抑制技术

针对柔性可展桁架结构的主动振动抑制问题,提出一种采用作动执行机构的主动振动控制方法。首先基于模态综合方法建立智能柔性可展桁架结构的动力学模型,然后采用动态滑模控制律设计了主动振动控制器,并基于遗传算法对作动执行机构的布局配置进行优化,最后通过数学仿真验证,仿真结果表明了方法的有效性。     

基于异质信息网络的恶意代码检测

恶意代码对网络安全、信息安全造成了严重威胁。如何快速检测恶意代码,阻止和降低恶意代码产生的危害一直是亟需解决的问题。通过获取恶意应用的动态信息、构造异质信息网络(HIN),提出了描述恶意代码动态特征的方法,实现了恶意代码检测与分类。构建了FILE、API、DLL三类对象的4种元图,刻画了恶意代码HIN的网络模式。经过改进的随机游走策略,尽可能多地获取元图中对象节点的上下文信息,将其作为连续词包(CBOW)模型的输入,从而得到词向量的网络嵌入。通过投票方法改进主角度分析模型,得到多元图特征融合的分类结果。在仅可获得有限信息的情况下,大大提高了基于单元图特征的恶意样本分类准确率。      

高动态电动伺服系统多模复合控制技术

针对未知扰动下电动伺服系统高动态响应与高精度控制难题,在建立电动伺服系统特征模型基础上,提出一种基于时间最优控制与滑模控制结合的多模复合控制算法。该方法通过开展基于电动伺服系统精准动力学模型与环境特性的特征建模分析,详细阐述了时间最优控制算法与滑模控制算法的设计方法及其适用区间,并进行系统仿真验证。仿真结果表明：本文提出的多模复合控制算法能有效提升电动伺服系统动态响应速度与稳态精度,实现了未知扰动下高动态高可靠地稳定运行。