天波超视距雷达评述

天波超视距雷达以其独特的工作方式使它在抗低空突防、抗隐身、抗反辐射导弹（ＡＲＭ）、抗电子干扰这“四抗”性能上有天然的优势。与其它雷达相比,效费比极高。其分布式结构也使它的抗毁性很强,但它极受环境因素制约。就该雷达的工作原理和特点、设计上要考虑的环境因素、性能、开发试验和部署及应用前景进行了讨论。     

横向扰动对超声速混合层被动标量混合影响分析

采用大涡模拟数值计算二维空间发展的超声速混合层,重点分析横向扰动对混合层的标量结构、标量厚度以及标量体积卷吸率的影响。采用理论模型验证了数值方法在计算标量混合特性方面的准确性。结果表明,横向扰动频率和振幅明显影响着混合层的标量增长率和卷吸率。高频扰动增大了混合层近场标量增长率和卷吸率,但是低频扰动改善了混合层远场标量增长率。大尺度涡卷吸过程对混合层标量卷吸率起决定作用。多频扰动有效地增强了超声速混合层的标量混合。     

地球外部空间扰动引力并行计算

针对传统的司托克斯积分方法计算量大、模型复杂的缺点,通过将地球球面以适当的经纬度差进行划分及合理简化,实现了司托克斯积分法计算外部空间扰动引力的积分方程的离散化,建立了地球扰动引力的快速计算模型,并在快速计算模型的基础上采用并行计算技术,实现扰动引力的实时计算。仿真结果表明,提出的快速并行计算模型能较好地实现地球扰动引力的快速、高精度计算。     

需求点时间窗变化后应急器材供应决策

为解决在应急条件下的装备器材供应过程中由于器材需求点时间窗变动而产生的干扰问题,在对需求点时间窗变动扰动辨识和度量的基础上,制定了扰动恢复策略,构建了基于虚拟资源点的需求点时间窗变动扰动恢复模型;为寻求最优解,设计了基于轮盘赌选择的改进变邻域搜索算法.通过数值试验对模型和算法的有效性进行了验证.     

波浪扰动下的小型潜射导弹出水动力学建模与仿真

运用Morison公式,提出波浪扰动作用下,考虑弹体运动与波浪耦合的导弹出水过程动力学模型,并对小型潜射导弹的出水过程进行仿真和分析。以弹体姿态变化为例,研究弹体运动与波浪间的耦合关系对波浪扰动作用的影响,分析海情等级、波浪相位、出水速度、出水姿态角等因素对导弹出水过程的影响。结果表明,考虑弹体运动与波浪间耦合关系的出水动力学模型更加准确;潜射导弹的小型性和快速出水特性有利于降低波浪对导弹出水姿态的影响;对快速出水的潜射导弹,波浪扰动分析时须考虑海情等级、出水时间和波浪相位的影响。     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。     

共晶复合陶瓷损伤过程的有限元分析

针对共晶复合陶瓷的微观结构特征,建立了含强约束界面相的有限元模型,模拟了包含片状夹杂共晶复合陶瓷材料的外载应力场分布规律;应用ANSYS的APDL语言进行编程,对材料的损伤过程进行了研究。结果表明材料的破裂由基体损伤决定,随着外载荷的增加,损伤破坏沿界面延伸,并逐渐向基体内部扩展,最终造成基体的断裂。     

重力扰动对SINS水平姿态的影响

为研究动基座下捷联惯导系统(Strapdown Inertial Navigation System, SINS)水平姿态误差角与水平重力扰动间的关系,推导了南北方向、东西方向匀速直线运动时,SINS纯惯性解算的水平姿态误差与水平重力扰动间的传递函数,并分析了传递函数的零极点分布;推导了组合导航模式下,水平姿态误差角与水平重力扰动间的传递函数;通过仿真分析了纯惯性解算和组合导航模式下传递函数的幅频特性。组合导航相对于纯惯性解算模式,截止频率更大,SINS姿态误差角受更多高频重力扰动信号的影响,因此,组合导航模式需要更高分辨率的重力扰动数据来进行重力扰动补偿。此外,在对高精度SINS进行重力扰动补偿时,对于重力扰动分辨率的需求是有限度的,过于精细的重力扰动数据只会带来测量和存储压力,不能提高SINS的姿态精度。     

卡尔曼滤波补偿在潜载光电跟瞄中的应用

为了提高潜载光电设备的跟踪精度,提出了一种针对扰动误差进行补偿的前馈控制策略,主要方法分为3步:将大地坐标系转化为甲板坐标系;利用Singer模型的卡尔曼滤波对经过变换的光轴坐标系下的扰动量进行滤波;将滤波后的速度反馈到速度回路上,再结合脱靶量信息构成完整的速度环控制.仿真表明,在未加入补偿算法之前粗跟踪最大误差为0.004 rad,加入反馈之后最大误差为0.0018 rad,说明采用的方法能够有效减小跟踪误差.