弹丸弹托结构参数对挤进阻力的影响研究

为了研究某滑膛武器弹丸弹托的不同结构参数及摩擦系数对挤进阻力的影响,分别以弹丸弹托的不同结构参数及摩擦系数作为单一变量,利用Ansys-workbench有限元软件分别对其挤进过程进行数值模拟仿真,得到挤进阻力的变化,进而分析该结构参数对挤进阻力的影响,从而为该滑膛武器弹丸结构设计提供了重要依据,也为同类武器的弹托设计提供了一定的参考价值。     

美军维修改革发展研究

维修保障是武器装备形成战斗力的关键要素。随着国际形势和美国国内经济、科技等方面的发展变化,美军的维修策略、维修技术以及维修保障信息化等方面也在不断变革。总结了2000年前后至今,美军在维修保障方面的重大变革,对其发展趋势进行了预测,并结合我军装备保障实际,积极探索切实可行的有效对策。     

基于网络抗毁性的装备贡献度评价

高新技术的应用使装备间关联关系更加复杂,武器装备论证更加困难。装备对体系贡献度研究为武器装备论证发展提供了新思路。基于作战环思想构建武器装备体系作战网络模型,同时完成作战环理论所划分的同类型装备的网络化建模,提出复杂网络背景下装备贡献度的定义及基于网络抗毁性的贡献度评价方法,通过美国国家导弹防御系统进行算例分析来验证该方法的可行性。结果显示,不同装备对体系的贡献度大小可以通过复杂网络模型进行预判。     

要地防空敌袭主攻方向判断方法研究

主要对要地防空时多个可能的敌空袭兵器来袭方向进行了分析,并确定每个来袭方向的综合评价指标。应用模糊层次分析法建立多层次的评价指标体系,确立被评事物对各等级模糊子集的隶属度。应用灰色关联理论消除各个因素之间的量纲和数量级差异,将综合运算得到的量值进行排序比较,以供指挥员进行战场情况判断。     

面向联合作战行动设计的态势差分析机理研究

文章介绍了态势差的概念内涵,分析了在设计联合作战行动时为什么要分析态势差,阐述了如何分析态势差。态势差分析是工程化作战筹划的一个环节,研究态势差分析机理,能为作战行动设计提供有力支撑,提高作战筹划效率。     

解读《2017美国海军陆战队航空建设计划》

海军陆战队是美军在海外执行任务的主要作战力量,其发展建设的重点将决定未来美军的海外战略重心。本文以《2017年美国海军陆战队航空兵建设计划》的主要内容为研究对象,概述了未来美国海军陆战队作战的总体构想,对美国海军陆战队主要更新换代的海空装备进行了研究分析,总结了美军海军陆战队航空建设的启示。以分析结果为依据,对未来美军的战略重心进行了判断。     

旋转整流器断路故障诊断分析

阐述了无刷励磁发电机的旋转整流器在正常工况下的换相原理和换相过程,理论解析了旋转整流器在正常和断路工况下的输入电流波形,定量分析了励磁机励磁电流谐波含量,证明了以励磁电流作为旋转整流器故障诊断依据的可行性。仿真和实验验证表明:定量分析谐波含量提高了旋转整流器的故障检测精确性,为无刷励磁发电机系统的故障诊断研究提供了判断依据。     

基于SCAS的防空反导装备体系作战能力指标设计

指标设计是进行武器装备体系发展论证和作战效能与作战能力评估分析的基础。着眼体系作战效能与作战能力评估分析需求,基于传感器（ Sensor）、控制器（ Controller）、执行器（ Actuator）、支持器（ Supporter）的柔性建模方法,对防空反导装备体系作战能力指标进行了设计,构建了其侦察预警能力、指挥控制能力、拦截打击能力、综合保障能力评估指标体系,并利用结构方程模型（ SEM）对指标之间的影响作用关系进行了分析,可为防空反导装备体系建设与运用提供重要借鉴。     

一种舰载多武器火力兼容优先级控制模型和方法

分析了美海军先进驱逐舰的武器配置,给出了舰载两两武器间动态火力散布体交叉的时空模型,提出了一种舰载多武器火力兼容优先级控制数学模型,并给出计算实例。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015