基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

坦克驾驶技能形成的基本规律

将学员坦克驾驶技能的形成分为三个阶段,阐述了这三个阶段的特征,及针对这三个阶段应采取的教学方法和措施.通过对学员实际训练中加强动作成功率的检测数据分析,绘出了训练曲线,总结出了加强技能形成的基本规律,并分析了几种训练曲线形成的原因.     

主战坦克的改装

本文阐述ＭＩ系列主战坦克的生产、使用,以及使用其底盘改装的情况。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

M1A2坦克的改进进入一个新时期

美军Ｍ１系列坦克是世界著名的坦克家族之一。Ｍ１Ａ２主战坦克代表着当今世界坦克的最先进技术。目前美军开始执行Ｍ１Ａ２“改进计划”,旨在完成从Ｍ１Ａ１到Ｍ１Ａ３系统的过渡。本文介绍了Ｍ１Ａ２“改进计划”的主要内容、未来１０￣１５年的长远规划,以及改进后的Ｍ１Ａ３所具备的性能。     

最新的“未来作战系统“计划

为满足陆军的需要,美国陆军提出了１个下一代的坦克计划：“未来作战系统”,以取代“艾布拉姆斯”系列作战坦克。     

非线性高频振荡燃烧的研究

用数值模拟的方法研究了液体火箭发动机高频振荡燃烧的形成和发展过程。气相控制方程用欧拉坐标系下的Navier－Stokes方程组描述，液相控制方程在Lagrangian坐标系下描述，并采用高压蒸发燃烧模型。从计算的结果可以看出，当燃烧室内发生高频振荡燃烧时，在喷注面附近和燃烧室收敛段这两个区域内压力的波动幅度较大；通过对压力、混合气体温度及速度在振荡燃烧情况下的比较，得出了振荡燃烧发生时发动机内部两相流场的脉动频率与燃烧室固有频率相耦合的结论。     

液体火箭发动机故障诊断的最优回归方法

提出了一种基于最优回归理论的液体火箭发动机故障诊断方法，可以在测量参数较少的情况下诊断出较多的发动机故障。当发动机故障不太严重、故障因素也不多时，得到比较满意的关于故障定位和故障大小的结果；在发动机故障比较严重的情况下，仍能得到比较好的故障定位结果；当存在多个故障因素时，诊断效能有所下降。结果表明本文所提方法在比较大的范围之内具有良好的效果。