基于后向散射的光尾流探测系统

研制了基于后向散射的光尾流探测系统,使用该系统进行了实验室环境下的模拟尾流气泡探测实验和海洋环境下的舰船尾流探测试验.结果表明,该探测系统具有较好的舰船尾流探测能力,验证了基于后向蝌散射的光尾流探测方法的可行性.     

“新秀”闪亮水下战场

未来的水下战场将更加扑朔迷离、充满杀机：不仅海底战场环境日趋复杂，原先的常规潜艇、核潜艇等水下作战平台的隐蔽性更好、打击力更强，而且不断涌现出许多海底战场“新秀”，无人潜艇就是其中的佼佼者。     

球面冲击波作用下船体梁运动响应特性

将船舶结构简化为刚塑性等截面船体梁,以炸药在船体梁中部正下方爆炸工况为研究对象,提出了一种计算船体梁在近场爆炸冲击波作用下发生整体运动响应的理论方法。根据冲击强度的不同,将整体运动划分为刚体运动和塑性运动,分别建立了相应的运动理论模型,并进一步分析了两种运动形式的一般特性。结果表明:船体梁发生刚体运动时,结构的整体运动速度和位移随着时间的增加而非线性增大,但运动幅值较小;船体梁进入塑性运动后,其运动过程可看作是正向刚体上升过程中叠加了一个反向塑性变形过程,且梁中部以反向变形损伤为主。     

海洋水下战场态势仿真系统的设计与实现?

在作战仿真领域，由于水下战场环境的特殊性以及水下作战对抗的复杂性，构建具有水下战场实景态势展现以及水下作战对抗演示分析等功能的仿真系统始终是一个难点问题。基于现代海战条件下水下对抗的应用背景，设计实现了海洋水下战场态势仿真系统，给出系统的功能结构、功能流程以及数据处理流程和方案，并对系统的开发部署进行了具体实现，应用情况表明系统能够实现对水下战场实景态势的高精度仿真，可作为海洋水下战场实景态势的演示分析研究平台和水下作战对抗的论证评估工具。     

水下航行器不同燃料燃烧性能的仿真研究

为了解热动力水下航行器不同燃料的燃烧性能,利用FLUENT软件,分别对OTTO-Ⅱ单组元燃料和HAP+OTTO-Ⅱ+H2O的三组元燃料在旋转燃烧室内的两相湍流燃烧进行了数值仿真.湍流计算采用标准模型κ-ε、气相燃烧采用ED模型、液相采用离散液滴模型.得到两种燃料在燃烧室内的温度分布,化学反应速率分布、燃烧产物CO2和CO的质量分数分布以及两种燃料液滴的运动轨迹,并对计算结果进行了比较和分析.结果表明,三组元燃料的燃烧性能要优于单组元燃料的燃烧性能,但由于三组元液滴蒸发较慢,对燃烧稳定性造成影响.     

基于内差修正数据INS/APS卡尔曼滤波器组合定位

研究基于水声定位系统(APS)和惯性导航系统(INS)的潜艇水下定位误差修正方法.在建立APS模型和INS模型的基础上,设计了INS/APS卡尔曼滤波方法,基于INS的APS内差修正方法和基于INS/APS内差修正数据的卡尔曼滤波方法,分析仿真结果表明,三者均可提升潜艇水下定位精度,其中基于APS内差修正数据的卡尔曼滤波器具备最佳的组合定位效果.     

国外潜航器水下隐蔽导航定位方法探析

针对潜航器自主惯性导航误差随时间不断增大的问题，研究了基于运载器、信标中继、海底固定基站的国外潜航器的典型导航定位方法。通过水声通信方式，运载器、信标中继站将其卫星精确定位数据发送至潜航器，或海底固定基站接收到潜航器发射唤醒信号后，量测相关信息并发至潜航器。潜航器被动接收水声通信数据，并对其进行综合处理，实现潜航器在水下隐蔽工作模式下对自身位置的实时修正，提高潜航器导航定位精度，具备较强的工程可实现性。     

机器人，未来战场的主宰？

近日，美国有关媒体披露．经过为期两年多的安全性测试，美国第一批武装机器人即将装备部队。对此，有军事家评论，这是一场巨大的革命，它标志着酝酿了几十年的机器人部队时代即将到来。     

韩国的“短腿”——韩国海军搜救与辅助舰船扫描

<正>"天安"号事件使韩国海军和韩国政府面临着前所未有的压力。3月26日"天安"号爆炸沉没后,一个韩国媒体记者迅速"分析"得出结论:断成两截沉底的"天安"号可能有部分舱室没有进水,里面可能有幸存的舰员,按照舱室的空气余量推算,舰员最多可能在水下存活69小时。这个"分析结果"被韩国媒体广泛传播,韩国政府被迫用最快的速度组织救援力量,试图挽救理论上还有生存希望的舰员……随着时间的推移,救援幸存者的行动宣告失败,而打捞舰体残骸的进程也数次遭遇波折。"天安"号事件不仅使韩国海军的训练和人员素质遭到广泛质疑,韩国海军的搜救打捞力量也显现出了诸多不足,与作战舰艇相比,支援舰艇的建设可以说是韩国海军真正的"短腿"。     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。