弹性压应力波作用下直杆动力失稳的差分解

以受载端简支、远端固支弹性直杆为例,通过对直杆微元的动力平衡分析导出了直杆动力失稳的控制方程,这与用哈密顿原理得出的方程完全一致。利用差分方法求解了动力屈曲方程,解出了动力失稳模态以及临界力参数和动力特征参数的值。特别分析了随着动力特征参数由零增加到一定值后,由静力失稳模态过渡到动力失稳模态的过程。结果表明,对于等效长度直杆,动力失稳临界压力要远大于静力失稳的临界压力。     

一种可调控的申请分配模型及应用

针对分配总量一定情况下的申请分配问题,给出了一种带有决策者意愿的分配模型;讨论了模型中各参数的取值范围,得出了使得模型有意义的参数取值范围;给出了具体的应用案例,通过选取不同的参数得出了不同结果,说明了模型的有效性。     

离心机试验中惯导平台误差系数辨识方法

针对离心机试验中惯导平台误差系数辨识问题,提出一种6位置辨识方案。建立误差系数辨识的非线性模型,再利用扩展卡尔曼滤波估计误差系数。由滤波中的估值方差矩阵计算各误差系数之间的相关系数,用相关系数分析系统的可观性,并将所有相关系数之和最小作为优化指标,利用遗传算法得到最优的位置组合。仿真结果表明,采用该方案可以有效辨识出惯导平台中与加速度高阶项有关的各项误差系数。     

火箭炮位置伺服系统的鲁棒性多内模控制

为了实现火箭炮交流伺服系统的高精度位置跟踪控制,引入补偿模块,设计了一种鲁棒多内模预估控制器,是一种适应于参数时变的控制器。理论分析和仿真结果表明,所提出的方法设计简单,参数调整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性。     

基于星架系统结构参数的卫星载荷减振方法

卫星工程中广泛采用的有效载荷支架结构可能会与卫星主体结构发生动力耦合,进而造成有效载荷响应显著放大。进一步将有效载荷支架与卫星主体结构考虑为一个整体系统(称为星架系统)。采用有限元方法建立某型卫星系统级动力学分析模型,从中提取结构参数建立集中参数模型,并针对结构参数进行单变量影响分析。结果表明:所建集中参数模型能够反映支架结构与卫星主体结构之间动力耦合规律,载荷响应对两者频率参数的敏感程度远高于其阻尼和质量参数,卫星结构设计阶段应重点考量主体结构和支架结构频率关系以优化卫星载荷的动力学环境。     

用非概率理论分析混合不确定性结构的可靠性

针对不确定性结构可靠性分析中的输入变量分布参数具有不确定性和输入变量为区间模型的混合不确定性结构展开研究。考虑到可用信息最少的情况,将分布参数的不确定性描述为区间模型。通过等概率转换方法将随机变量与其分布参数进行分离,使问题转化为随机与区间变量混合的可靠性问题,建立了混合不确定性问题的可靠性分析模型。基于非概率可靠性理论,建立混合不确定结构分析模型的二级极限状态函数并结合Kriging代理模型建立了高效的求解方法。将所建立的混合不确定模型应用于飞行器结构的不确定性分析中,验证了所建模型的合理性和所提方法的高效性和准确性。     

基于空间谱估计的弹机分离检测研究

空空雷达主动制导导弹正成为各军事大国优先发展的空战武器,针对该类型导弹,分析了其典型的特征参数,以雷达-电子战一体化概念为牵引,提出了采用机载相控阵雷达信号处理技术进行弹机分离检测的思想。仿真结果表明,该方法具有较好的检测性能,为后续的干扰措施提供了有力的支撑。     

基于QPSO算法的支持向量机参数优化研究

应用具有量子行为的粒子群优化算法,对支持向量（SVM）进行参数优化研究．根据支持向量机的分类准确率和泛化能力之间的关系,应用QPSO算法选取比较优秀的参数模型,比较参数模型的各项性能,选取最适合实际需要的参数模型．仿真表明,QPSO算法的SVM模型与PSO算法相比在分类准确率和泛化能力上均获得更好的效果,经QPSO优化后的SVM整体性能明显提高．     

具有随机扰动的SISV模型的解的渐近性态

研究一类具有两种随机扰动的SISV传染病模型．对于第一种随机SISV模型,证明对任给的非负初值,该随机模型一定存在唯一的全局正解,并讨论该随机模型的解围绕确定性模型的无病平衡点的渐近行为;对于第二种随机SISV模型,通过构造适当的Lyapunov泛函证明该随机模型的解是随机渐近稳定的．     

The effects of model parameter deviations on the variance of a linearly filtered time series

We consider a general linear filtering operation on an autoregressive moving average (ARMA) time series. The variance of the filter output, which is an important quantity in many applications, is not known with certainty because it depends on the true ARMA parameters. We derive an expression for the sensitivity (i.e., the partial derivative) of the output variance with respect to deviations in the model parameters. The results provide insight into the robustness of many common statistical methods that are based on linear filtering and also yield approximate confidence intervals for the output variance. We discuss applications to time series forecasting, statistical process control, and automatic feedback control of industrial processes. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010