Viidennen sukupolven hävittäjien häiveteknologia

Tämän tutkielman tarkoituksena on selvittää viidennen sukupolven hävittäjien häiveteknologian toteutusratkaisuja. On käsitelty miksi häiveteknologiaa tarvitaan sekä vertailtu miten häiveteknologia toteutetaan viidennen sukupolven hävittäjissä. Suomen ilmavoimien päähävittäjäkalusto F/A-18 Hornet edustaa neljättä sukupolvea ja saavuttaa elinkaarensa lopun 2020-luvun lopussa, joten seuraajasta on lähivuosina tehtävä päätös. On siis mahdollista, että seuraajaksi hankitaan jokin viidennen sukupolven hävittäjä häiveteknologialla varustettuna. Viidennen sukupolven hävittäjiä kehitellään ainakin Yhdysvalloissa, Venäjällä, Kiinassa, Intiassa ja Japanissa, mutta tässä tutkielmassa on vertailtu vain Yhdysvaltojen, Venäjän ja Kiinan viidennen sukupolven hävittäjiä. Yhdysvalloilla on tällä hetkellä ainut operaatiokäytössä oleva viidennen sukupolven hävittäjä, Lockheed Martin F-22 Raptor. Raptorin lisäksi Yhdysvalloilla on kehitysvaiheessa oleva Lockheed Martin F-35 Lightning II. Venäjällä on myös kehitysvaiheessa oleva Suhoi PAK FA samoin kuin Kiinalla on Chengdu J-20. Nämä kolme kehitysvaiheessa olevaa viidennen sukupolven hävittäjää on tarkoitus ottaa palveluskäyttöön ennen 2020-lukua. Tutkielman päätutkimuskysymys on, miten häiveteknologia toteutetaan viidennen sukupolven hävittäjissä. Lisäksi tutkielmassa on kaksi alakysymystä. Nämä ovat seuraavat: Miksi häiveteknologiaa tarvitaan? Miten häiveteknologian toteutus eroaa viidennen sukupolven hävittäjissä? Tutkimusmenetelmänä on käytetty kvalitatiivista kirjallisuustutkimusta ja vertailua julkisista lähteistä. Häiveteknologia ei ole mikään uusi innovaatio. Teknologiaa on kehitelty aina 1940-luvulta asti ja yksi tunnetuimmista häivepommikoneista, Lockheed Martinin F-117 Nighthawk, on jo poistunut palvelukäytöstä. Tuolloin häiveominaisuuksien ylläpito ja huolto aiheuttivat merkittäviä kustannuksia tutkasignaalia absorboivien maalien ja materiaalien takia. Viidennen sukupolven hävittäjissä on pyritty vähentämään näiden maalien ja materiaalien käyttöä, jotta käyttökustannukset saataisiin pienennettyä. On panostettu enemmän hävittäjien muodon antamaan suojaan tutkasignaalia vastaan maalien ja materiaalien sijaan. Tämä on nykyaikana mahdollista kehittyneiden tietokoneiden avulla, jotka pystyvät laskemaan optimaalisen muodon hävittäjälle sekä häive- että aerodynaamisten ominaisuuksien kannalta. Tutkasignaalia absorboivia maaleja ja materiaaleja on kuitenkin pakko käyttää erilaisten luukkujen ympärillä sekä muissa reunoissa, joissa muodolla ei saada riittävää vaikutusta.

Yhdysvaltalaisten ja eurooppalaisten ilmasta laukaistavien risteilyohjusten kehitysnäkymät

Tässä tutkielmassa tutkitaan yhdysvaltalaisten ja eurooppalaisten ilmasta laukaistavien ristei-lyohjusten lähitulevaisuuden kehitysnäkymiä. Päätutkimuskysymys on: minkälaisia ovat yh-dysvaltalaisten ja eurooppalaisten ilmasta laukaistavien risteilyohjusten kehitysnäkymät? Tutkielmassa tarkastellaan useita nykyaikaisia risteilyohjuksia, näiden kehitysprojekteja sekä uusia risteilyohjusprojekteja. Käsiteltävät risteilyohjukset ovat AGM-158 JASSM, AGM-129 ACM, TAURUS KEPD 350, Storm Shadow / Scalp EG ja ASMP. Lisäksi tutkimuksessa kä-sitellään näiden ohjusten vanhempia tai uudempia versioita, joihin lukeutuvat AGM-158B JASSM-ER, Apache sekä ASMP-A. Tutkielman tutkimusmenetelminä ovat kirjallisuustutkimus, jonka avulla selvitetään tietoja risteilyohjuksista ja kehitysprojekteista, sekä vertailu, jolla pyritään löytämään kehitysnäkymiä. Vertailun avulla kehitysprojekteista kyetään havaitsemaan laajempia trendejä. Lähdeaineistona tutkimuksessa käytetään IHS Jane’s -tietokantaa, internetlähteitä sekä kirjallisuutta. Tutkimus käsittelee risteilyohjusten tekniikkaa yleisellä tasolla, aiemmin mainittujen risteilyohjusten tekniikkaa tarkemmin, niiden kehitysprojekteja sekä risteilyohjusten kehitysnäkymiä. Vertailun perusteella tutkimuksen tuloksena löydetään lähitulevaisuuden kehitysnäkymille kolme selkeää trendiä. Trendit ovat datalinkin asentaminen, toimintamatkan pidentäminen sekä vaikutusosan kehittäminen. Nämä kolme kohdetta esiintyvät laajalti sekä nykyään käytössä olevien risteilyohjusten kehitysprojekteissa sekä uusissa kehitysprojekteissa. Datalinkin avulla ohjuksiin voidaan olla yhteydessä laukaisun suorittaneesta lentokoneesta tai johtokeskuksesta. Pidentämällä toimintamatkaa ohjus voidaan luonnollisesti ampua kauemmas vihollisen alueelle, tai se voidaan ampua kauempana vihollisen alueelta, jolloin laukaisua on vai-keampi havaita ja laukaisualusta on paremmassa turvassa. Vaikutusosan kehittämisellä pyritään sekä yhä parempaan asevaikutukseen että myös monipuolisuuteen. Keskeisimpänä johtopäätöksenä tutkimuksessa havaitaan, että kehitystä tapahtuu kahdesta syystä. Joko risteilyohjuksille kehitetään korvaajia tai uusilla risteilyohjuksilla vastataan uuteen tarpeeseen. Asejärjestelmien vanhetessa kehitetään uusia järjestelmiä, joilla korvataan poistuvia suorituskykyjä. Toisaalta myös uusi tarve, kuten uudet laukaisualustat, luovat tar-peen kehittää uusia asejärjestelmiä. Tämänkaltaista tarvetta ovat luoneet esimerkiksi F-22 Raptor ja F-35 Lightning -häivehävittäjät.

Valaistuksen käyttö kysynnän jouston resurssina

Työssä tarkoituksena oli tutkia voidaanko valaistuksella toteutettua kysynnän joustoa. Työssä tutustuttiin mahdollisiin markkinapaikkoihin ja kysynnän jousto tarkoittaa. Työssä käydään läpi valaistuksen perusteita, sekä nykyisien ohjaustapojen energiatehokkuutta tukevia ratkaisuja. Tekniselle toteutukselle ei ole estettä, käytännöntoteutukselle esteeksi muodostuu valaistustason muutoksen häiritsevyys. Järjestelmällä voidaan muodostaa valaistukselle hinta mitä halutaan palvelusta maksaa. Työssä tarkasteltiin ohjauksen sijoittamista esimerkkikuormalle.

Modeling Front End Electronics for a Gas Electron Multiplier Detector

The Large Hadron Collider (LHC) in The European Organization for Nuclear Research (CERN) will have a Long Shutdown sometime during 2017 or 2018. During this time there will be maintenance and a possibility to install new detectors. After the shutdown the LHC will have a higher luminosity. A promising new type of detector for this high luminosity phase is a Triple-GEM detector. During the shutdown these detectors will be installed at the Compact Muon Solenoid (CMS) experiment. The Triple-GEM detectors are now being developed at CERN and alongside also a readout ASIC chip for the detector. In this thesis a simulation model was developed for the ASICs analog front end. The model will help to carry out more extensive simulations and also simulate the whole chip before the whole design is finished. The proper functioning of the model was tested with simulations, which are also presented in the thesis.

Generative Part-Based Gabor Object Detector

Object detection is a fundamental task of computer vision that is utilized as a core part in a number of industrial and scientific applications, for example, in robotics, where objects need to be correctly detected and localized prior to being grasped and manipulated. Existing object detectors vary in (i) the amount of supervision they need for training, (ii) the type of a learning method adopted (generative or discriminative) and (iii) the amount of spatial information used in the object model (model-free, using no spatial information in the object model, or model-based, with the explicit spatial model of an object). Although some existing methods report good performance in the detection of certain objects, the results tend to be application specific and no universal method has been found that clearly outperforms all others in all areas. This work proposes a novel generative part-based object detector. The generative learning procedure of the developed method allows learning from positive examples only. The detector is based on finding semantically meaningful parts of the object (i.e. a part detector) that can provide additional information to object location, for example, pose. The object class model, i.e. the appearance of the object parts and their spatial variance, constellation, is explicitly modelled in a fully probabilistic manner. The appearance is based on bio-inspired complex-valued Gabor features that are transformed to part probabilities by an unsupervised Gaussian Mixture Model (GMM). The proposed novel randomized GMM enables learning from only a few training examples. The probabilistic spatial model of the part configurations is constructed with a mixture of 2D Gaussians. The appearance of the parts of the object is learned in an object canonical space that removes geometric variations from the part appearance model. Robustness to pose variations is achieved by object pose quantization, which is more efficient than previously used scale and orientation shifts in the Gabor feature space. Performance of the resulting generative object detector is characterized by high recall with low precision, i.e. the generative detector produces large number of false positive detections. Thus a discriminative classifier is used to prune false positive candidate detections produced by the generative detector improving its precision while keeping high recall. Using only a small number of positive examples, the developed object detector performs comparably to state-of-the-art discriminative methods.