基于改进局部投影算法的非线性时间序列降噪

改进了非线性时间序列降噪的局部投影算法,并应用此算法对含噪Lorenz混沌信号进行降噪,将其与小波分析降噪效果进行比较,实验结果表明:改进的局部投影算法对非线性信号降噪效果十分明显。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.     

水下无线传感器网络的节点精确定位

以无线传感器网络(WSN)水下应用为背景,针对特定的环境要求,提出了一种可实现网络规模升级的分布式无锚点网络节点自定位机制。该定位算法通过距离误差估计和分布式坐标计算方法,有效地减少了由于测量距离误差所带来的坐标计算误差和节点坐标计算所带来的通信开销,有利于网络节点能量的合理使用和大规模的WSN布放。通过试验仿真计算,验证了该定位机制的合理性,为水下WSN应用提供了有力的技术支持。     

虚拟战场电磁环境雷达信号建模方法

针对典型地空反辐射导弹武器仿真系统中虚拟战场电磁环境仿真分系统的实际需求,以典型机载雷达AN/APS-145为例,在对其信号载频、脉宽、重频、脉冲幅度等主要性能参数进行系统分析的基础上,研究了应用于虚拟战场电磁环境仿真系统的雷达信号建模方法,仿真实验验证了该方法的正确性与可实现性。     

带三维落角约束的寻的导弹制导与姿控系统设计

针对带三维落角约束的寻的导弹制导与姿态控制系统设计问题,提出一种基于终端滑模控制和扩张状态观测器的六自由度制导控制系统设计方法。建立包含模型不确定项的寻的导弹六自由度质心与绕质心模型,设计内外双层环路六自由度制导控制系统框架;基于弹-目三维相对运动模型和坐标系转移矩阵建立以攻角和侧滑角为输入的三维全耦合导引方程,利用终端滑模控制方法和扩展状态观测器得到期望的攻角和侧滑角并将其转化为对应的俯仰、偏航和滚转角指令;根据线性形式的寻的导弹绕质心动力学方程,设计与俯仰、偏航和滚转角相关的滑模面向量,并利用终端滑模控制方法和扩张状态观测器得到寻的导弹的副翼偏角、方向舵偏角和俯仰舵偏角指令。六自由度数值仿真结果验证了该方法的有效性和鲁棒性,并证明了该制导控制系统设计方法能以较少的控制设计参数完成预设的制导控制任务。     

周期运动声源的双阵列定位

针对常用的运动声源定位方法存在计算量较大或测试难度大的问题,提出一种基于阵列信号短时处理的运动声源定位方法。分析单、双五元十字阵列的定位性能,并基于单阵列的高精度定向能力,借鉴波束形成中帧处理思想,使用双阵列方位交叉的方法实现声源运动定位。使用自行火炮的发动机周期噪声作为模拟声源,进行外场定位实验,对参与短时相关数据的截取原则和传播路径补偿进行研究。实验结果表明,该方法能够有效实现周期声源的运动定位,最大相对误差保持在5%的水平。     

(修，2撤3)关键几何参数对超声速膨胀器流场和性能影响的数值研究

为了揭示关键几何参数对超声速膨胀器流动特性影响的规律,对3种隔板安装角和5种出进口面积比超声速膨胀器设计工况下的流场进行了数值研究。结果表明：随隔板安装角增加,斜激波向出口迁移,斜激波强度略有降低,超声速膨胀器膨胀比减小,效率提高;随出进口面积比增加,流道内高速区显著扩大并逐渐靠近压力面,斜激波增强,出口流动损失增加,超声速膨胀器膨胀比增大,效率降低。为获得综合性能较优超声速膨胀器结构,需在较小出进口面积比和较大隔板安装角之间做折衷选择。     

垂线偏差对弹道落点精度的影响分析

针对垂线偏差对弹道落点精度的影响,结合弹道飞行器质点动力学模型,系统分析了垂线偏差对发射坐标系、初始参数、飞行过程中受力、程序角控制基准、地心坐标系弹道参数等的影响机理,并建立了相应的数学模型。进一步,基于给定的弹道落点偏差计算方法,以某飞行弹道为例,定量给出了不同发射点大地纬度、不同发射方位角下垂线偏差引起的落点偏差。本文研究工作对提高弹道飞行器落点精度具有重要参考意义。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。