基于虚拟样机的坦克承载零部件疲劳寿命预测方法

坦克承载零部件的疲劳失效是其主要的失效形式,疲劳寿命的预测一直是装备设计、研制、验证和使用过程中的重要问题之一。利用虚拟样机技术,建立履带车辆刚柔体耦合模型,通过在一定任务剖面下车辆虚拟试验,测试其承载零件的载荷谱,结合疲劳寿命分析技术,进行疲劳寿命预测,并给出计算实例,预测的寿命与实际使用情况相符合,表明提出的坦克承载件疲劳寿命预测方法是一种高效、实用的新方法。     

武器装备发展综合集成研讨厅体系研究

结合系统科学近几年发展成果--从定性到定量的综合集成方法, 在提出武器装备发展综合集成研讨厅概念的基础上,对其可行性进行了分析,提出了集计算机技术、决策技术和系统工程技术于一体 ,强调把人的思维和思维成果、人的知识和智慧以及各种资料信息集成起来的武器装备发展综合集成研讨厅体系结构.     

大整数乘除运算在PC机上的实现

大整数在要求高精度的应用中非常有用.特别是大质数和一般大整数有一个极为重要的应用,就是关于计算机数据加密.在计算机数据加密技术中,常会遇到大整数的算术运算问题.由于所使用的机器和所用语言的限制,大整数的"乘""模"两种运算很难运用高级语言中的"乘""除"运算.提出了一种逐位存储、按字节运算的方法,并用C 实现了大整数的十进制乘除法运算,之后将提出的算法与类似算法的时间复杂度进行了比较,最后给出了算法的运行时间.     

受限空间可燃气体爆炸抑爆实验系统研究

针对狭长受限空间可燃气体爆炸抑制模拟实验研究的需要,采用超细冷气溶胶抑爆技术设计了一套操作方便、组装灵活、结构合理的复合式气体爆炸抑制系统.完成气体爆炸和抑爆实验.实验表明该抑爆实验系统能满足受限空间不同工况气体爆炸抑爆实验研究的需要;同时也表明可燃气体浓度、抑爆剂性能、信号采集及控制系统响应速度等是影响抑爆效果的主要因素.文中的研究为进一步研制抑爆装置奠定了实验和理论基础.     

炮兵部队网络火力战问题研究

针对目前炮兵部队装备建设基础薄弱、炮种多、作战协调复杂的现状,依据计算机网络相关理论建立了炮兵部队网络火力战体系结构,同时运用梅卡夫定理对炮兵部队网络火力战体系的作战威力和协同能力进行了分析评估,并进行了作战运用分析。经过评估,炮兵部队网络火力战体系将大大提高炮兵部队的协同作战能力。     

飞行训练模拟器中的箔条质心干扰模型

对飞行员进行箔条质心干扰训练是某型飞机训练模拟器电子对抗分系统的主要内容之一。合理的模型建立是实现训练模拟功能的基础,针对此问题,构建了适合在训练模拟器中应用的数学模型,其中包括导弹比例导引、飞机机动以及箔条质心干扰等模型,并用MATLAB进行仿真验证,结果证明建立的模型均可以满足训练模拟器可信度和复杂度两方面的要求。     

空间飞网系统牵拉模式影响研究

针对空间飞网系统任务设计需求,研究飞网牵拉模式对系统展开性能的影响。建立空间飞网系统拉出展开过程动力学模型,并通过地面试验对比验证了模型的有效性。面向任务需求建立空间飞网系统评价指标,针对四、六点牵拉模式,采用有限绳段方法对飞网系统进行建模仿真。模型中保持绳网质量和初始发射能量一致,对评价指标的分析结果表明,在六点牵拉模式下,飞网系统飞行性能指标和力学性能指标有明显提高,但能量利用率和系统可靠性小幅下降。     

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

垂线偏差对弹道落点精度的影响分析

针对垂线偏差对弹道落点精度的影响,结合弹道飞行器质点动力学模型,系统分析了垂线偏差对发射坐标系、初始参数、飞行过程中受力、程序角控制基准、地心坐标系弹道参数等的影响机理,并建立了相应的数学模型。进一步,基于给定的弹道落点偏差计算方法,以某飞行弹道为例,定量给出了不同发射点大地纬度、不同发射方位角下垂线偏差引起的落点偏差。本文研究工作对提高弹道飞行器落点精度具有重要参考意义。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。