金属化聚丙烯膜脉冲电容器过载特性

脉冲电容器作为爆磁压缩激励电流源的储能元件之一,通常要求单次可靠运行。正是由于单次运行,为脉冲电容器的过载工作提供了极大的可能。过载工作的电容器与额定电容器相比具有体积小、重量轻的优点,可实现爆磁压缩激励电流源的紧凑化。研究了不同温度下国产金属化聚丙烯膜脉冲电容器的过载特性,如过载运行的储能密度,放电电流及可靠度等。实验表明:在-45℃~60℃范围内过载运行这种电容器,其储能密度可达额定储能密度的1.8倍,同时在0.95的置信水平下,其过载运行的可靠度单侧置信下限为0.9,可以实现稳定可靠运行。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

创立新体制 形成新格局

军民结合是国防科技工业持续快速健康发展的内在要求,是国防科技工业发展必须坚持的重要方向。 我国国防科技工业长期以来是建立在军民分割、相对独立和封闭的基础上的,这种体系对于国防科技工业和武器装备的发展曾经起到过重要作用。但随着形势的发展,这种军民分割体系的弊端逐渐显露出来,尤其是20世纪70年代末期,随着我国党和国家工     

模拟电路的DCNN-ELM软故障诊断

为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法.先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的故障诊断模型;通过Sallen-Key带通滤波器电路的故障诊断实验对提出方法进行了验证.仿真结果表明,提出的基于DCNN的故障特征提取方法优于传统KPCA与KSLPP方法,与ELM分类器集成后得到的诊断准确率达到98.2％,有助于改善模拟电路的故障诊断精度,从而验证了其可行性和有效性.     

基于RS属性约简与LS-SVM的装备研制风险综合评价

为有效管控武器装备的研制风险,推进装备研制项目的顺利开展,提出一种基于粗糙集(RS)属性约简与最小二乘支持向量机(LS-SVM)的装备研制风险综合评价方法。该方法在装备研制风险评价指标体系基础上,通过集对分析法构造训练样本和测试样本。以属性重要性作为RS启发信息,对评价指标进行属性约简,消除冗余信息。最后,基于约简后的评价指标样本训练LS-SVM模型完成风险评价。案例分析表明,相对于单一LS-SVM方法,所提出的方法预测精度更高,平均绝对误差达到0.098,评价结果更为准确,过程也更为科学合理。因此,将提出方法用于武器装备研制项目的风险评价是有效和可行的。     

没有轻易的成功

我们有时非常羡慕他人的成功,于是给自己定下很多目标,譬如,“今年一定要……”之类,也放了许多狠话,对业余时间精打细算,何时起床,何时锻炼,何时看书,何时睡觉,在纸上写得清清楚楚,看似井井有条、稳扎稳打、步步为营,但是日复一日,月复一月,红了樱桃,绿了芭蕉,还一切依旧。     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

广西马山县基干民兵黄永堂赡养孤寡老人受称赞

广西马山县白山镇上龙村局东电基干民兵黄永堂夫妻俩坚持15年无私赡养两位孤寡老人,像照顾自己的亲人一样,让两位孤寡老人安度晚年。他们的感人事迹传开后,受到人们的赞扬和敬佩。     

基于自适应无迹卡尔曼滤波的小波网络算法及其应用

针对扩展Kalman滤波(EKF)训练小波网络存在收敛慢、精度不高、计算Jacobian矩阵困难等问题,在自适应Kalman滤波理论基础上,提出一种基于自适应无迹Kalman滤波(UKF)的小波网络训练算法。该算法在在UKF框架内引入自适应因子,通过其调整观测协方差与状态参数协方差的比例,使状态向量预测值的协方差更趋向真实值,有效地提高了小波网络的精度。仿真结果表明,基于自适应UKF的小波网络的收敛速度快,估计精度高,无需计算Jacobian矩阵,适于解决非线性系统的建模预测问题。