地面防空火力配系方案评估模型

地面防空火力配系方案的选择,是防空兵火力配系的关键环节,其合理与否,直接关系到作战效能的发挥和防空作战的成败。根据防空作战的实际,提出了地面防空火力配系方案评估的准则,在对评估准则的建模要素进行分析的基础上,构建了每个准则的计算模型,并给出了评估模型的计算方法,提供了模型应用的一般程序。     

超宽带强电磁防护能量选择表面设计

为应对强电磁脉冲对电子信息系统的威胁,设计了一种具备收发兼容特性的超宽带强电磁防护能量选择表面,有效拓展了能量选择表面的工作带宽和工作频率,可为L、S、C波段的超宽带用频装备提供不低于14 dB的防护效果。该能量选择表面是一种周期结构,每个单元包含一对箭头形结构和一个开关二极管,可根据外界辐照电磁波的能量密度自适应切换反射或透波状态,从而实现强电磁防护与工作信号收发兼容。仿真研究表明,这一新型能量选择表面在L、S、C波段的插入损耗小于1 dB,强电磁防护能力达到22 dB。在波导中对设计的样件进行了性能验证,结果显示,该样件在波导中的平均插入损耗为1 dB,防护能力达到了14 dB,初步验证了设计结构的低插入损耗和高防护特性。     

一种快速解算火箭助飞鱼雷关机点方法

为解决火箭助飞鱼雷射程与关机点计算速度问题,运用Chebyshev正交多项式拟合曲线,提出了一种基于时间或能量关机的计算方法.可根据不同的射程快速解算助飞雷关机点,达到实时控制助飞雷射程的目的,与现有方法相比,计算简洁、迅速.最后给出了关机方法软件的仿真流程,并将该软件应用于某助飞雷仿真系统,论证了该方法的可行性.     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

铝合金表面涂覆隐身吸波涂层脱落原因分析

通过对某装备车体外脱落隐身吸波涂层样品的表面形貌、截面形貌、元素组成及含量分析,发现吸波涂层和Al2O3钝化层之间没有化学结合键,只存在物理吸附和机械结合,在外部环境的作用下,很容易引起隐身吸波涂层的脱落。     

双枝模糊评判在舰炮性能评估中的应用*

针对舰炮武器性能指标,运用双枝模糊决策方法对舰炮武器性能进行综合评估.该方法提出了新的论域[-1,1],使评估更能符合人的思维逻辑,能够客观的对舰炮性能进行评估,通过对多中舰炮的具体参数指标进评估,得出各种舰炮的性能优劣的排序,具体的数学模型仿真表明,对舰炮武器性能的评估是行之有效的.     

基于Prony算法的大型结构振动信号降噪方法

以去除力锤激励下大型结构振动信号的背景噪声为研究目的,分析了背景噪声产生的原因及结构振动信号的特点,提出了将Prony算法应用于降噪的方法。该方法首先用一组衰减余弦信号分量之和来拟合原始信号,得出各衰减余弦信号的参数,然后根据振动信号的特点从中识别出背景噪声并构造其数学表达式,最后进行降噪处理。运用传统Prony算法和改进Prony算法分别对仿真信号和实测信号进行降噪处理,其结果证明了Prony算法的有效性,且改进的Prony算法具有更高的识别精度和更好的降噪效果。     

测试轮直径对路面不平度测试精度的影响

在加速度信号的路面不平度测量过程中,由于测试轮的几何外形对路面的滤波作用,会对功率谱密度的测量产生误差。为解决这一问题,在仿真环境下,通过测量在给定路面等级的随机路上行驶的测试装置测试轮的响应,研究不同直径的测试轮对同一路面不平度的滤波作用,分析其影响关系,从而为路面不平度测试装置测试轮轮径的选择提供参考。     

基于复杂表面形状的端铣切削力模型

以传统的端铣切削力模型为基础,针对复杂加工表面形状,提出了一种更加符合实际加工情况的端铣切削力模型。该模型的建立涉及到复杂表面形状的几何表示、不同刀具轨迹的描述和刀齿-工件接触计算等关键技术。通过对模拟结果进行分析,验证了所建端铣切削力模型的有效性。     

Approximating the nondominated frontiers of multi‐objective combinatorial optimization problems

Finding all nondominated vectors for multi‐objective combinatorial optimization (MOCO) problems is computationally very hard in general. We approximate the nondominated frontiers of MOCO problems by fitting smooth hypersurfaces. For a given problem, we fit the hypersurface using a single nondominated reference vector. We experiment with different types of MOCO problems and demonstrate that in all cases the fitted hypersurfaces approximate all nondominated vectors well. We discuss that such an approximation is useful to find the neighborhood of preferred regions of the nondominated vectors with very little computational effort. Further computational effort can then be spent in the identified region to find the actual nondominated vectors the decision maker will prefer. © 2009 Wiley Periodicals, Inc. Naval Research Logistics, 2009