两栖装甲车辆水上操纵性的提高与评价

对采用履带划水推进方式的两栖装甲车辆的水上操纵性进行了分析,没出了极高其水上操纵性的基本途径,并对操纵性的评价指标进行了探讨,对提高操纵性,加强试验研究提出了建议.     

履带车辆转向过程仿真与试验研究

分析了简化条件下和考虑滑转滑移条件下履带车辆在坚实地面上的转向过程,对比计算了2种条件下转向时的牵引力、制动力、转向阻力矩和转向半径,并通过实车试验进行检验.结果表明,滑动模型揭示了履带车辆转向机理,与试验结果较为吻合.     

基于ANN模式识别的某型导弹测试车配电系统故障诊断

人工神经网络诊断特点与基于模式识别的诊断特点非常相似。将ANN模式识别技术应用于某型导弹测试车配电系统故障诊断。根据测试车配电系统的故障特点,设计ANN为4层BP网络,具有9个输入、10个输出,两个隐含层神经元数目分别为9和6。测试结果表明该方法能有效诊断测试车配电系统故障。     

履带车辆动力性计算的数学模型

以发动机动力特性计算式为基础,推导出履带车辆动力性参数计算的数学模型,为今后履带车辆设计,以及动力性能的工程计算分析提供了数学方法,并通过计算机编程对某型车辆进行了计算,结果表明该方法具有较高的准确度和工程实用性。     

基于影响因素分析的装甲车辆驾驶员作业可靠性评价模型

从影响因素分析人手,在对装甲车辆人-机一环境系统物理模型综合分析的基础上,运用灰色关联度法建立了基于驾驶员作业可靠性影响因素分析的定性评价模型,并结合某装甲部队的驾驶训练考核进行了应用。结果表明：考核成绩与模型计算结果有着比较吻合的变化趋势,验证了模型的有效性。所述研究方法根据不同装备、不同岗位特点,可对评价指标体系调整后进行移植和拓展使用。     

基于转速控制的电传动车辆动力分配策略

为解决电传动车辆行驶过程中的动力分配问题,在车辆整体方案设计的基础上,对驾驶员操作指令进行合理的解析,并提出了一种基于＂转速控制＂方式的动力分配控制策略,通过对左、右侧驱动电机进行转速控制给定,实现车辆在各种复杂工况下的正常行驶,最后进行了系统建模和仿真。结果表明：基于该动力分配控制策略,车辆可实现稳定直驶、任意半径转向、中心转向以及电气制动等工况要求,并且具有良好的动力性能。     

无人机位置欺骗诱导策略

针对"黑飞"无人机的有效管控及处置问题,提出基于卫星导航定位位置欺骗的无人机诱导策略。结合目标无人机的精确位置信息,利用生成式导航欺骗干扰技术向目标发射虚假的卫星导航定位信号,使目标无人机飞行控制系统得到错误的位置信息,改变飞行姿态,进而偏离预设运动轨迹。通过无人机诱导试验验证了所提策略的正确性和有效性。     

动圈式永磁直线直流电机的精英保留多种群遗传优化算法

为了实现陆基无人机电磁弹射器高机动性及其直线弹射电机的高功率密度,针对动圈式永磁直线直流电机,提出精英保留的多种群遗传算法(Multi-Population Genetic Algorithm with Elite Retention, MPGAER)的电机最大功率密度优化方法。以磁通密度和电流密度为约束条件,利用其搜索能力强、收敛速度快的特点优化电机的结构参数,并与磁路法初始设计结果和传统遗传算法优化结果进行比较。结果表明:与磁路法初始设计相比,MPGAER能使电机质量减少6.25%,功率密度提高10%,电机动态性能得到提高;MPGAER优化设计的电机功率密度高于遗传算法设计结果,所提方法有效地解决了在优化过程中出现易收敛于局部最优点和寻优效果差的问题。     

复杂海战场环境下AUV全局路径规划方法

针对无人自主水下航行器(Autonomous Underwater Vehicle, AUV)在复杂海战场环境中路径规划时环境模型复杂、约束条件多的情况,建立了包括战场地形、敌方威胁、障碍物和海流场等在内的比较完善的海战场环境模型。以AUV航行时间、威胁时间最短为优化目标,给出了一种基于振荡型入侵野草优化(Invasive Weeds Optimization, IWO)算法的AUV全局路径规划方法,并分别与标准IWO算法、全振荡型IWO算法以及粒子群算法等三种路径规划算法比较。仿真结果表明,所提方法具有较强的寻优能力和鲁棒性,可在复杂海战场环境下为AUV高效地规划出满足性能要求的航行路径。     

An improved adaptive differential evolution algorithm for single unmanned aerial vehicle multitasking

Single unmanned aerial vehicle (UAV) multitasking plays an important role in multiple UAVs cooperative control, which is as well as the most complicated and hardest part. This paper establishes a three-dimensional topographical map, and an improved adaptive differential evolution (IADE) algorithm is proposed for single UAV multitasking. As an optimized problem, the efficiency of using standard differential evolution to obtain the global optimal solution is very low to avoid this problem. Therefore, the algorithm adopts the mutation factor and crossover factor into dynamic adaptive functions, which makes the crossover factor and variation factor can be adjusted with the number of population iteration and individual fitness value, letting the algorithm exploration and development more reasonable. The experimental results implicate that the IADE algorithm has better performance, higher convergence and efficiency to solve the multitasking problem compared with other algorithms.