用有限元强度折减法进行加筋土挡土墙稳定性分析

加筋土挡土墙边坡是一种新型的边坡加固形式,传统的理论分析主要是考虑力的平衡关系,因此还有不少的缺陷,而有限元分析不仅满足力与位移的平衡关系,而且考虑了筋带与土体的协调变形作用,模拟的结果能使人们方便地掌握挡墙的整体与局部变化。结合某加筋土挡土墙的实例,利用有限元对其进行了数值模拟,用强度折减法计算了边坡的安全系数,并与极限平衡进行比较,对类似的工程有一定的指导作用。     

基于北斗定位技术的试验靶船自动监测系统

海上武器飞行试验任务中,靶船位置飘移大小和姿态的变化将直接影响试验进程。针对海上武器试验的特殊性,设计研制了试验靶船自动监测系统。利用北斗卫星定位功能对靶船进行实时定位,利用北斗通信功能传送GPS定位、授时数据和三维姿态测量数据,可以在布靶结束后实时监测靶船的位置和姿态,为试验指挥人员提供真实可靠的指挥决策依据。在试验任务中取得了较好的效果。     

舰船总体性能可靠性建模方法研究

分析了舰船总体性能可靠性问题的产生原因,将其分为2类.对于舰载设备本身存在可靠性问题而造成的,以航速可靠性为例,在舰船总体可靠性的背景下,借助相关数学工具进行了建模方法分析;对于外界随机因素影响而造成的,如横稳性的可靠性问题,则从分析外界随机因素与船体设计参数之间关系入手.初步建立了一套研究舰船总体性能可靠性问题的建模方法.实例计算表明,将所建模型用于分析舰船总体性能比常规方法具有明显的优越性.     

风作用下缆船拖带非线性系统运动数值模拟

基于船舶操纵性运动方程和拖缆的三维动力学运动方程,提出了被拖点位置匹配的方法,建立了拖船—拖缆—被拖船系统的非线性整体拖带动力学模型.为了考察被拖船航向稳定性与横向稳性的关系以及风载荷作用的影响,被拖船采用水平面四自由度运动方程,并引入了风的作用力和力矩.拖船采用PD控制方法较真实地模拟了拖船航向改变的运动过程.对一个拖船—拖缆—被拖船系统(5 000 t的拖船和3 000 t的被拖船)在时域内进行了风作用下拖带运动的模拟.计算结果表明,风力增大拖带航向稳定性降低,拖带航向稳定是横向稳的必要条件.数值计算结果归纳出判别被拖带船航向稳定性的极坐标图,该极坐标图表明顶风航行较顺风具有较强拖带航向稳定能力,但是拖带航向稳定性区域很小,而顺风和顺斜风拖带比顶斜风具有更大的拖带航向稳定性区域.     

空间站平均力矩平衡姿态的气动力矩影响

为了研究空间站平均力矩平衡姿态的影响因素,建立了空间站的姿态运动模型,分析了气动力矩对空间站平均力矩平衡姿态的影响。建立了空间站的动力学与控制模型,采用典型的比例微分控制器,分别得出了两种条件下的24组平均力矩平衡姿态(Average Torque Equilibrium Attitude,ATEA),结果表明气动力矩对ATEA的影响显著。为了保持空间站ATEA,需要提供周期性的控制力矩。气动力矩引起的空间站角动量卸载和积累效应不能被忽视。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

不同海拔地区发射药安定性试验数据差异分析

按照同一试验方法，同一发射药分别在高原地区和内陆地区两地进行安定性试验对比。结果表明：同海拔高差测得的CO2体积分数差别为36％左右。因此，在对不同海拔地区发射药安定性试验数据进行处理时，需考虑气压因素影响，进行气压校正。     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

稳定特征选择的多目标蚁群优化

为了提高进化算法特征选择稳定性,提出一种面向稳定特征选择的多目标蚁群优化方法。通过抽样策略集成三种特征排序法的输出作为多目标蚁群优化的稳定性指导信息,聚合特征的费舍尔分值和最大信息系数值作为多目标蚁群优化的启发式信息,以分类正确率和扩展昆彻瓦指标值作为两个优化目标,兼顾算法的分类性能与特征选择稳定性。在四个标准数据集上进行对比实验,结果表明,所提方法能够在分类性能与稳定性方面达到较好的平衡。     

利用字节模式二维特征的ROP链智能检测方法

面向返回编程(return oriented programming, ROP)攻击是网络攻击者突破操作系统安全防护、实现漏洞攻击的一种主要手段,ROP链是ROP攻击的重要组成部分。为检测网络流量中的ROP链,提出了一种能自动提取ROP链特征、具有良好泛化性能的智能检测方法。该方法采用顺序抽取的方式将被测流量分成多个序列,利用滑动窗口和数值量化将输入的一维流量数据转换为二维特征向量,基于卷积神经网络模型实现对ROP链的检测。不同于已有的静态检测方法,该方法不依赖程序内存地址的上下文信息,实现简单、部署方便,且具有优异的检测性能。实验结果表明,模型最高准确率为99.4%,漏报率为0.6%,误报率为0.4%,时间开销在0.1 s以内,对真实ROP攻击流量的漏报率为0.2%。