某越野火箭炮行驶垂向动态特性研究

以某型高机动越野火箭炮为研究对象,基于随机路面激励,应用多刚体系统动力学和柔性多体动力学的理论,建立该越野火箭炮刚柔耦合模型,研究其行驶垂向动力学特性。考虑了油气弹簧的非线性特性以及轮胎的作用,重点编写了B、C、D级路面的随机路面谱,进行不同车速下的行驶动力学仿真。结果表明,非线性的油气悬架系统能较好地减轻路面的垂向冲击。仿真得到的车炮动态响应特性曲线,为该高机动火箭炮的研制提供了有用的参考。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。     

一种随机路面的抽样方法

路面不平度是车辆行驶中振动的重要激励,因而路面模型的建立对车辆动态仿真有着非常重要的意义。本文提出了一种用蒙特卡罗法对路面不平度函数进行抽样的方法,只对相位随机抽样。并对结果进行了统计检验,得到的样本统计谱密度与理论谱密度进行对比分析,结果说明这是一种简单、可靠、行之有效的方法。     

基于梯形道路的履带式车辆运动算法

论述了一种履带式车辆简化模型的建立和表示方法。提出了用垂直射线法来取得三维空间中任一点的高度值。分析了车辆模型在梯形道路上的运动状态 ,用一种简易的算法来实现坐标调整和地形匹配 ,在视景仿真系统中较好地完成了履带式车辆通过梯形道路的目的     

不同形状粗糙元在诱导超声速边界层转捩中的应用

为了研究不同形状粗糙元诱导边界层转捩机理的差异,采用五阶精度加权紧致非线性格式数值模拟了Ma=4. 20条件下方柱形、圆柱形、钻石形和半球形粗糙元引起的超声速平板边界层转捩问题。结果表明:方柱形粗糙元产生的分离区长度较大,分离区中存在较强的非定常扰动并产生绝对不稳定机制使边界层很早就发生转捩;钻石形粗糙元分离区的展向宽度较宽,导致分离区中的涡结构向下游发展时形成的湍流尾迹区较宽;而圆柱形和半球形粗糙元诱导边界层转捩的能力相对较弱。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

光纤法测量表面粗糙度的影响因素分析

由于光纤法测量表面粗糙度易受到传感器光源、零件材料、零件加工方法和测量环境的影响,从而降低了测量的精度。针对这些影响因素进行了分析,提出了解决办法,从而提高了测量精度。     

一种改进的AVL系统中车位显示修正算法

AVL系统就是GIS与GPS技术集成的成功应用。AVL系统中GPS信号在GIS地图上显示时,由于各种因素的影响,存在很大的偏差。对这种偏差的校正是十分必要的。为了解决这个问题,对以前提出的误差校正算法———"线性抽象算法"进行了改进,提出了另一种误差校正方法———"缓冲区线性抽象算法",实验结果表明这种方法能在很大程度上校正偏差,不但具有较高的精度,而且还提高了算法效率。     

基于灰度信息的工程陶瓷磨削表面粗糙度评定

为了快速简单地评定和预测工程陶瓷磨削加工表面粗糙度,提出一种基于表面图像灰度信息的新方法。设定亮度140、对比度42、饱和度24、锐度9的图像采集条件,并选取灰度均值μ和均方差σ作为表征表面粗糙度的灰度参数,对数字图像进行降噪、增强和灰质化处理后,提取多幅磨削表面图像的灰度信息,绘制出表面粗糙度评定参数Ra、Rz、Ry与灰度信息平均值的关系曲线。结果表明：灰度均值和均方差与工程陶瓷磨削加工表面粗糙度呈同步递增或降低的关系,这一结果可用于快速评定任意磨削工件的表面粗糙度。     

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。