几种常见训练伤的预防

军事训练伤通常是指因训练导致肌肉骨骼系统的急、慢性损伤。由于它在部队军事训练中时有发生,必须加以重视,采取有效措施加以预防。这项工作做得好,不仅可以增强官兵军事训练的信心,提高参训率,还可以节约医疗经费开支。笔者结合近年来的工作实践,就几种常见军事训练伤谈几点预防方法。     

超高斯随机振动环境的疲劳强化机理

针对可靠性强化试验的全轴随机振动环境的超高斯幅值分布特性开展其疲劳强化机理研究。首先通过理论分析表明RS机振动激励下试件应力仍保持超高斯分布,然后证明了同等量级下的超高斯分布比高斯分布随机应力具有更高的疲劳强化效能,从而揭示RS机全轴随机振动环境超高斯幅值分布特性的疲劳强化机理。     

基于Matlab神经网络的水下目标识别

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了目标像素灰度分布特征提取方法,并针对水下光信号衰减的情况,采用了色彩"补偿"的解决方案.对图像矩阵通过奇异值分解得到了目标有效维特征向量,分类器设计采用了Matlab环境下的BP神经网络,识别结果是令人满意的.这对猎雷具装备的发展具有一定的参考价值.     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。     

平台式惯导系统初始对准最佳可观性分析

首先应用线性系统的奇异值分解理论对静基座初始对准的可观性及可观度进行了深入地分析.给出了不同奇异值下系统状态可观性状况的直方图,并且计算出不同状态组合时系统奇异值的大小及对可观性的影响.理论分析表明选取(△)N、(△)E、εE为不可观测时,系统的估计效果最好.其次采用卡尔曼滤波器对可观阵的秩为7的三种状态组合进行最优估计,仿真结果验证这种论断的正确性.最后从误差分析的角度阐述了这种论断的合理性.     

某型军用履带车辆行驶强化试验仿真技术研究

以某型履带车辆为例，通过建立其虚拟样机，构造虚拟数字路面，进行履带车辆强化行驶试验仿真，获得零部件载荷时间历程。基于仿真结果，利用有限元与疲劳寿命分析软件，计算车辆零部件的疲劳寿命，再通过比较分析获得履带车辆在几个典型路面下的强化系数。研究结果对于新型履带车辆的开发及现役履带车辆维修保障具有参考价值。     

印度的割圆术与π值

本文拟以世界数学中心再次东移时,从π的求值出发,重点介绍一下印度的割圆术,并探讨中、印割圆术之间的关系,且从中阐发曲直互化中包含着的辩证法思想和数学化归思想。     

CAD/CAM 中的两种曲线保凸拟合

文中描述了一种保凸参数拟合方法。对于任意给定一个平面开(闭)的凸多边形、可用二次(三次)Bezier曲线段构造了一条C~1二次(C~2三次)的保凸插值样条曲线,并且简略讨论了该方法在CAD/CAM中的应用,如凸轮轮廓曲线的拟合,外形的几何设计等。我们在IBM-PC机上编制了通用的交互式作图软件,只要输入相应的坐标和控制参数,即可快速绘制出C~1二次(C~2三次)的保凸插值样条曲线。     

TF工程应用中的地形数据处理方法研究

研究了地形跟随(TF)工程应用中的地形数据合理性检验、误差消除以及地形数据的转换、存储和更新3个问题。针对地形数据的特点,提出了地形测量数据中数据合理性的判别准则;根据TF工程应用和减小测量随机误差的需要,给出了地形数据转换、存储和更新算法,并根据数据处理结果修正了系统误差。数据处理结果表明,应用该方法可以剔除野值,减小随机误差,地形数据存储与更新算法可行,满足TF工程应用需求。