电磁斥力机构运动特性的试验研究

为了真实反映电磁斥力机构的运动特性,有效验证仿真模型的正确性,首先建立了基于5 000V电磁斥力机构样机的二维仿真模型。然后,分别采用压电式加速度传感器、磁栅式位移传感器以及直线位移传感器对样机的运动轨迹进行实测,通过仿真结果与几种测量结果的对比,验证了后两种测量手段的准确性与可靠性以及基于Ansoft有限元仿真软件建立的二维仿真模型的正确性。最后,高速摄像完成了对机构样机的微观动态观测,同时分析出机械件加工和安装的不精密是导致试验波形出现不同程度上翘的主要原因。     

极化域—空域联合谱估计

首次提出极化域-空域联合谱的概念,拓广了电磁波特征参量的谱描述方法.结合具体的极化敏感阵列定义了极化域-空域联合谱,用MUSIC方法得到联合谱函数表达式.研究了联合谱的估计的重要性能指标估计精度和分辨力,估计精度用克拉美劳限CRB(cramer-Rao Bound)来具体度量,分辨力由极化域-空域模糊函数以及模糊图来描述.最后仿真结果验证了该方法的有效性和理论分析的正确性.     

直升机工作特性建模与飞行性能仿真

以涡轮轴发动机工作特性建模为中心,对某系列直升机飞行性能进行仿真研究,力争实现对直升机实施"基于状态的维修"。讨论了直升机飞行性能和涡轮轴发动机特性的表述方法,建立了涡轮轴发动机的数学模型,并讨论了其解法与应用。基于发动机台架性能仿真程序对该模型进行简化,得到涡轮轴发动机工作过程的热力学模型。对发动机性能进行计算完成飞行性能仿真,应用结果表明该方法是可信、高效的。     

导弹防御系统中的雷达目标识别研究

以评估美国国家导弹防御(NMD)系统雷达识别能力为背景,分析了地基雷达识别弹道导弹目标的技术途径。根据弹道导弹目标群在飞行中段和再入段表现出的特性差异,提出了涉及目标结构特性、姿态特性以及再入特性的综合识别策略,并初步分析了各种识别措施的可行性。     

近期美国陆军旅战斗队建设发展

美军认为,近年来中俄等大国的军事实力不断增强,成为美国的主要安全威胁,长期的反叛乱作战也使美国陆军应对正规战争的能力有所下降,必须推进面向大国竞争的转型建设以适应未来的作战环境。随着美国陆军转型建设的大幕拉开,提升大规模作战能力成为其建设发展的焦点。本文认为,旅战斗队作为美国陆军的主要合成兵种部队与实施近距离地面作战的主要梯队之一,其建设发展必将服务于美国陆军的战略目标。据此,美国陆军旅战斗队围绕“跨域、集中、持续、聚合”四个指导原则,重点采取各种举措提升其指挥机构生存力、火力集中打击力、空中威胁防护力、战术网络杀伤力四项基本能力。总结分析美国陆军旅战斗队发展建设的举措,对军队未来作战能力建设具有一定的启示作用。     

载体感应磁场的改进积分方程法

针对几何结构复杂的载体感应磁场计算问题,提出采用面单元和体单元分别对铁磁物体薄壳体结构、非薄壳体结构剖分,并实现了感应磁场的积分方程法计算。球-球体模型解析算例表明,所提方法数值精度可靠,其平均相对误差不超过0.27%;船舶模型仿真算例表明,该方法在单元量规模较小时计算精度较好,体现了方法在载体感应磁场建模方面的优势。将该方法分别应用于潜艇主舱段-设备模型和潜艇主舱段模型磁场计算时,数值结果与实验结果平均相对误差均小于2%,数值和实验结果比较表明,铁磁设备对模型磁场影响显著。仿真和实验算例均表明所提方法可有效应用于载体的感应磁场计算,具有一定的工程实用价值。     

利用遗传算法和模糊逻辑进行系统可靠性优化分配

提出一种使用遗传算法和模糊逻辑相结合进行系统可靠性优化分配的新方法。该方法使用模糊逻辑对系统研制初期可靠性设计中所存在的不精确限制条件和设计目标进行数学建模 ,然后利用遗传算法对数学模型进行求解。该方法充分利用了模糊逻辑的建模效率和遗传算法的搜索效率 ,大大提高了系统可靠性分配的效率和精度。本文首先以两单元串联系统的可靠度优化为例进行说明 ,然后将算法扩展至多单元系统的可靠度及冗余度优化问题的求解。数值仿真实例显示了算法的性能和可行性。     

舰艇电力系统稳态参数计算方法的研究

提出了一种基于网络的方法--"节点电势法",该方法适用于任何复杂结构的电力系统,并充分考虑了电动机参数、机械负载特性等对系统稳态参数的影响,计算精度高,方法简单,易于计算机实现,收敛性好,且具有较好的延伸性.     

液体火箭发动机尾喷焰红外辐射特性

对液体火箭尾部喷焰红外辐射特性进行了仿真计算。利用所扩展建立的液体火箭发动机尾喷焰红外辐射组分的谱带参数数据库和尾喷焰流场数值仿真结果对辐射传输方程进行了数值求解,得到不同观测条件下的光谱辐射亮度。通过与实测数据对比,表明计算方法可行,结果合理。     

人工智能赋能军事训练

随着大数据、物联网和5G的不断发展,海量数据的获取变得越来越容易,人工智能技术利用GPU的强大计算能力和深度学习网络对高维数据和非线性模型的拟合能力,迎来了飞跃式发展,深刻改变着人类生产、生活和学习方式,出现了语音识别、机器翻译、无人驾驶及智能机器人等场景,计算、数据与模型的不断发展也成为推动人工智能前进的主要动力。本文分析了人工智能技术的主要发展方向,包括自然语言处理、语音识别和图像识别分析等,结合当前人工智能的主要技术方向和典型应用,展望了人工智能在军事训练领域的广阔应用前景,同时,聚焦发展智能化军事训练亟需解决的关键问题,针对解决网络、数据、模型等面临的问题提出措施建议,指出应通过模拟仿真训练提高训练效率,基于训练数据科学评价训练效果。