基于CFD的方形流水孔的流量系数研究

为了探索研究实艇的流水孔方案设计,基于滑移网格和内外域交互的计算方法,以含上层建筑流水孔的局部艇体模型为研究对象,对不同缩比的方形流水孔在不同吃水下的溢流进行了数值模拟,并对比分析了不同缩比的方形流水孔的上层建筑余水容积、余水高度、孔口流量以及流量系数等参数的变化规律.研究结果表明:流水孔的缩比越小,即流水孔的尺寸越大...     

面向信息化战争的广义兰切斯特作战模型

由于经典兰切斯特方程不能描述信息对于信息化战争的影响,因此在分析兰切斯特线性律和平方律的基础上,通过引入战场感知系数和信息优势系数,并利用信息优势系数对线性律和平方律中毁伤系数进行修正,提出了能够描述信息对战争影响的广义兰切斯特作战模型,仿真实验结果说明其能够有效地描述信息优势对于改变战争进程所发挥的重要作用。该模型为研究信息化战争的交战过程提供理论参考。     

脊状表面湍流边界层高阶统计量特性

通过对不同风速下V型脊状表面及光洁平板表面湍流边界层内偏斜系数和平坦系数的测试,对比分析了脊状表面边界层内偏斜系数和平坦系数的分布规律。试验在一小型专用风洞中开展,流场测试中使用恒温式IFA300智能型流动分析仪,测试模型则采用有机玻璃材质的矩形平板结构,且试验中模型表面脊状结构的方向与流向一致。最终研究结果表明,脊状表面湍流边界层内偏斜系数和平坦系数分布规律与平板表面基本一致,但脊状结构的存在降低了距壁面无量纲高度y′10区域(包括整个粘性底层和过渡区的一部分)的偏斜系数和平坦系数,而对边界层中过渡区以外区域则影响不明显。由此可以推断,脊状结构主要影响边界层流场的近壁区。     

多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

层次-熵值组合赋权法在雷达辐射源识别中的应用

对雷达辐射源识别中的权系数确定问题进行了研究,提出了层次-熵值组合赋权法.该方法首先对熵值法中的差异性系数进行了改进,然后利用层次分析法权系数来修正改进了差异性系数的熵值法的权系数,从而实现主客观方法共同赋值.实验结果表明,本文方法所得权系数在进行雷达辐射源识别时有较好的识别率,说明了方法的正确性和有效性.     

基于遗传算法的大型降落伞气动力参数辨识

建立了降落伞回收系统的六自由度动力学及运动模型,针对大型降落伞可观测数据少的特点,设计遗传算法辨识其气动力参数,利用仿真验证了辨识方法的可行性和辨识模型的正确性。结合空投试验录像分析数据,辨识了某型号飞船所采用大型环帆伞的气动力参数,并利用辨识结果对其稳定性进行分析,其结论可作为回收系统设计的理论参考依据。     

数据和导频通道的功率加权联合捕获算法

下一代全球导航卫星系统将采用数据和导频通道功率不等的调制方式,而传统算法多采用数据和导频通道的等权重加权联合进行捕获。当二者功率不相等时,等权重加权联合不能获得最优的捕获性能。因此提出功率加权联合的改进捕获算法,在数据和导频通道的功率分配不等的情况下,进行不同加权系数的联合捕获,并且利用最小二乘的方法进行最优加权系数的拟合估计。利用捕获判决量的特征函数推导检测和虚警概率。仿真实验验证了当数据和导频功率比为1∶3、检测概率为0.8、虚警概率为10-3时,所提出的改进算法能提升0.4 d B的捕获灵敏度。     

基于样本加权的支持向量机预测方法

不同的样本对最终预测模型的贡献程度是不一样的。在分析了采用支持向量机解决回归预测问题基本原理的基础上,介绍了"预测误差权重"和"样本关联度权重"的两种样本权重确定方法,并将其引入到支持向量机预测模型中来,最后用实例证明了采用样本加权后的预测精度要更高,而采用"样本关联度权重"法的精度又比"预测误差权重"法的精度要高。     

一种求解武器系统可靠性分配的非精确方法

在考虑资源约束的基础上,通过建立一种资源-可靠度-满意度三者平衡的可靠性分配和优化模型,将对武器系统可靠性最优分配问题转化为对模糊非线性规划问题的求解,从而为武器系统可靠性的最优化问题提供了一种新方法。为获得具有实际意义的数值解,提出一种沿着加权梯度方向进行变异的特殊遗传算法,并结合某高炮系统的应用分析,证明了该方法的有效性和合理性。     

具有模糊系数约束的多目标线性规划

研究了一类具有模糊系数约束的多目标线性规划问题.根据各目标函数的梯度方向来量化目标之间的冲突程度,以此提出了一种确定目标权重的新方法,然后基于惩罚函数运用梯度上升算法求问题的有效解.最后给出了一个数值例子.