海军发展无人作战平台的需求、现状与展望

阐述了未来战争对海军发展无人作战平台的需求，举例说明了海军无人作战平台的主要类型和用途。详细论述了海军无人作战平台的技术性能、作战能力、使用特点和作战应用，分析了世界各国发展海军无人作战平台的现状和趋势。通过对美国发展海军无人作战平台的主要政策和做法的分析，提出了对我国研究、发展海军无人作战平台的启示和建议。     

换相过程对变抽头六相整流电路的影响

在变抽头六相整流系统中,整流换相和变抽头换相对有效抑制交流侧电流波形畸变起到了重要作用.采用分段解析法给出了考虑换相过程时变抽头六相整流系统的数学模型,得出了交流侧电流波形,并对交流电流进行了傅氏级数分解.通过实验研究,查明了电流正弦性畸变率的变化规律和影响因素,给出了抽头换接器的匝数匹配优化值,为该系统的工程设计提供了重要指导.     

仿蝴蝶扑翼飞行器:研究进展、挑战与未来发展

以昆虫为灵感设计的仿生扑翼飞行器在近三十余年来的时间里发展迅速,而蝴蝶作为众多昆虫中极富特色的一种也得到了许多研究者的关注。国内外以蝴蝶为研究对象进行了许多的仿生学研究和仿生飞行器研制,尤其是近十年来仿蝴蝶扑翼飞行器的设计与制造取得了较大的进展。对这一热点领域的研究进行了综述。首先从仿蝴蝶扑翼飞行器(BIFAV)的升力机制研究、结构设计与制造以及驱动与控制方面,综述近年来所取得的研究成果;其次指出仿蝴蝶扑翼飞行器目前在大小尺度、飞行灵活性、续航时间、控制鲁棒性以及仿生的逼真性方面仍然存在研究挑战;最终表明其未来的研究将朝着更小的尺寸、更灵活的飞行与更可靠的控制、更高的仿生程度等方向进一步完善。     

气隙磁密3次谐波对电机振动噪声的影响

针对电机的电磁振动噪声问题,发现了提高电机气隙磁密的正弦性不一定能够降低电机的振动噪声。鉴于此,分析了引起电机振动和噪声的主要力波阶次和频率,并探究了气隙磁密3次谐波与电机振动噪声的具体函数关系。为了分析引起电机振动和噪声的主要力波阶次和频率,在利用解析法的基础上排出力波表,确定了主要噪声源。为了探究气隙磁密3次谐波对电机振动噪声的影响,建立了气隙磁密及径向力波的数学模型,并通过遗传算法求解了电机气隙磁密3次谐波的最佳幅值。分析结果显示,提高气隙磁密正弦性不一定能够降低电机振动噪声,气隙磁密3次谐波在一定范围内存在最优值使得电机振动噪声最小。分析结果为低噪声电机的设计提供了参考依据。     

算术映射交织器设计的改进

首先分析算术二次同余映射的原理 ,然后在此基础上对交织器的映射关系加以保奇偶序限制和移位运算 ,从而得到两个改进型的算术映射交织算法。通过仿真对改进型交织器的性能进行验证 ,结果说明在复杂度可比的情况下 ,改进后的交织器比传统分组交织器具有更好的译码性能。     

卫星姿控实物仿真系统中的磁线圈分析

报道利用两对赫姆霍兹线圈模拟卫星的磁环境的研究。首先分析了赫姆霍兹线圈产生磁场的均匀度 ,接着分析了单一线圈安装和形状偏差对产生磁场的影响 ,然后提出地球磁场模拟方案 ,最后给出仿真结果和分析结论     

一种多方位一距离目标定位的最小二乘伴随估计器

对纯方位最小二乘估计器,在已知某时刻一个观测距离的情况下,导出了一种伴随型的目标速度估计器．该算法嵌入原最小二乘估计器之中,计算简单且便于工程应用．     

末修子弹敏感器试验结果及精度分析

通过对末修子弹敏感器外场静态吊挂和直升机挂飞试验结果的分析处理,给出了敏感器对坦克和跑道目标的实时定位精度,从而验证了毫米波被动敏感器在一定高度上对坦克和跑道目标进行实时定位的可行性。     

高超声速伸缩翼变形飞行器轨迹多目标优化

针对高超声速条件下变形技术的应用模式，对具有伸缩翼的组合式飞行器滑翔弹道进行了多目标优化研究。介绍了伸缩翼的变形模式，给出了不同变形状态下的气动特性；建立了三自由度滑翔轨迹动力学模型和伸缩翼前缘热流计算模型；采用MOEA/D多目标优化算法，以变形条件和飞行攻角为设计变量、以最大射程和最小翼前缘总吸热量为目标函数，进行了多目标优化计算。优化结果表明，MOEA/D计算得到了相对均匀分布的Pareto最优解集，将伸缩翼外形与无变形外形相比，飞行器滑翔段射程得到了显著提高，同时伸缩翼前缘总吸热量有明显的降低。     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。