计算边界范围的选取对渗流作用下边坡稳定性分析精度的影响

目前针对渗流作用下边坡的稳定性分析一般都是首先通过渗流计算求得坡体内浸润面的位置,然后再进行安全系数的求解,所以当坡体后部地下水补给充足时,边界范围的选取将直接影响到坡体内浸润面的位置和安全系数的计算结果.由于PLAXIS有限元程序在渗流计算方面具有比较强大的功能,因此采用该软件对边界范围对渗流作用下边坡稳定性分析精度的影响进行研究.从算例所得到的结果看,当左边距等于10倍坡高时,安全系数的变化逐渐稳定,左边距的增大对安全系数不再产生影响.     

基于数值模拟的拔伸成形工艺分析与优化

变薄拔伸是厚壁深筒件生产的关键工序,成形难度大.针对现行的拔伸成形工艺,为改善成形稳定性、提高成形质量、延长模具寿命,通过采用刚粘塑性有限元法,根据不同参数和条件,在计算机上对拔伸工艺进行数值模拟分析,分别讨论了拔伸模圈道数、变形量分配、模圈间距及入模角等因素对拔伸成形过程的影响,进而提出了"多模短距长拔"、变形量依次递减和较小入模角等优化措施.这样既减少了大量现场试验,又达到了工艺优化的目的.     

军事通信网战术数据链路的动态组合

军事网络根据需要把节点设备组织起来,组成数据链路完成作战任务.为了使网络能够及时组织,迅速反应,引入了动态组合技术,根据网络状况动态的组织战术数据链路.从集合论角度提出了战术数据链路的数学模型,并在此模型基础上探讨了动态组合技术对系统抗毁性和组织的灵活性方面的影响.最后简要叙述了动态组合的实现方案.     

变质心执行机构对弹头命中精度的影响分析

弹头变质心机动控制是通过移动弹头的质心位置,利用气动配平力矩改变弹头的飞行姿态和攻角,从而可实现弹头机动控制.在给出变质心弹头的动力学方程的基础上,通过对该动力学方程进行简化和线性化,推导出变质心弹头关于攻角和侧滑角的传递函数,在加入舵机伺服系统后,分析变质心伺服系统的性能对弹头跟踪精度和弹道命中精度的影响,最终确定变质心执行机构的动态性能参数并为今后变质心执行机构的设计提供必要的参考.     

一种加速收敛的LDPC码译码算法

对高斯信道下LDPC(Low-Density Parity-Check)码的传统的译码算法进行分析,指出影响收敛速度的原因,并提出了一种基于整数运算的加速收敛的LDPC码译码算法。该算法融合分层译码(Layered Belief Propagation)算法、带偏移量的最小和算法(Offset Min-Sum)以及量化的优势。仿真验证表明该算法有效地减少了译码复杂度,加速了译码收敛,且性能上同传统的量化最小和算法相比没有下降。     

现代战争制胜机理的理论探讨

现代战争是信息化条件下的高技术常规局部战争。现代战争制胜机理必须适应战斗力生成新要求,突出战斗力标准。从军队作战能力的视角,可将现代战争的制胜机理分为:信息力制胜、杀伤力制胜、防护力制胜、机动力制胜和保障力制胜五个方面,即所谓的"五力制胜",它们相互融合成一个有机整体,共同构成现代战争中克敌制胜的法宝。     

莫言诺奖演讲词“故事化”策略浅析

莫言诺奖演讲词《讲故事的人》最显著的特色之一是从自身的生命感悟、创作经历和审美体验出发,慧眼独具地选取了“故事化”策略。这分别在结构、情感、象征及语言等维度上得以成功体现,从而使该演讲构思巧妙,情深意浓,蕴含深湛,耐人寻味,极具诗意风格,给人以莫大的心灵震撼与深层共鸣。该演讲是了解莫言最直接最鲜活之源。研究它,不仅可透见莫言的演讲特色,还可清楚把握其对自己创作的精彩总结与精神世界的自我剖析,尤其是从“故事化”策略的成功运用中挖掘到其心灵世界、创作历程与精神个性的方方面面。     

变质心弹头纵平面机动飞行的控制指令设计

在推导变质心弹头动力学方程的基础上,对该动力学方程进行简化和线性化,得到了变质心弹头自动驾驶仪的方程,当输入不同程序控制指令后,可以仿真出变质心弹头不同的飞行弹道以及弹头的机动范围,进而得出变质心弹头纵平面内可机动飞行的范围与所需控制指令频率及幅值大小之间的关系.对于变质心弹头纵平面内机动控制程序的工程设计提供了必要的理论参考依据.     

基于综合识别的高速飞行器自适应控制方法(英文)

针对高速飞行器的传统自适应控制方法中控制器参数获取时间长,辨识存在收敛性的问题,设计了一种基于综合识别方法的新型自校正控制方案。首先,由在线直接可测量构成特征模型的特征状态量,并以特征模型作为参考模型来设计控制器;其次,通过获得的特征状态量来在线调配对象系统的零极点,输出达到期望性能所需要的控制参数。仿真结果表明:该方法能较理想地实现在线自适应控制,保证系统良好的鲁棒性和快速性,同时在工程上易于实现。     

一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。