超空泡航行体有限元动力学建模

为对超空泡航行体结构进行优化设计和安全评估,将其简化为两端自由的梁,在空泡形态和受力确定的基础上,利用哈密顿原理,推导出了运动和变形耦合动力学方程组,建立了有限元模型。利用模态法和纽马克法对横向振动方程进行了求解,并对耦合、无耦合的方程进行了定性定量的比较分析。结果表明:耦合转动角速度增加了高频的波动;由于航行体自身刚度和固有频率较大,转动对它们的响应影响较小。     

直接耦合干扰的自适应两级补偿方法

针对水下电磁探测系统对直接耦合干扰的补偿精度受限于硬件采样分辨率的问题,研究了基于自适应技术的直接耦合干扰两级补偿方法。采用高速 DSP 芯片实现直接耦合干扰补偿电路,完成直接耦合干扰的粗调补偿;提出了基于可变遗忘因子的 QRD-LS 算法,并采用基于该算法的自适应陷波器实现了直接耦合干扰的微调补偿。实验研究验证了两级补偿方法对直接耦合干扰的补偿性能。结果表明：基于可变遗忘因子的QRD-LS 算法稳定性好,收敛速度快;基于该算法的自适应两级补偿方法对直接耦合干扰的补偿精度达到10－4倍。     

水下爆炸载荷作用下夹芯圆柱壳的动态响应

采用有限元数值模拟方法,对夹芯圆柱壳在水下爆炸载荷作用下的动态响应进行了分析.在夹芯防护层质量给定的情况下,通过对不同夹芯层相对密度下内部圆柱壳体获得的最大加速度进行比较,得出了最优的夹芯层相对密度.同时,还对内部圆柱壳体的等效应力和夹芯层的变形进行了分析.研究结果表明:夹芯防护层对爆炸冲击波有较好的衰减作用,且对里面的圆柱壳体起到了较好的保护作用,具有优异的抗冲击防护特性.     

Ag/AgCl电极水中电场探测的幅频响应特性

采用固态粉压型Ag/AgC1电极对参数已知的水下低频交流电场进行探测.通过改变水中电场信号的特征参数进行对比实验,以检测电极对信号频率和幅值的响应特性.实验结果表明:发射信号在0～4 Hz、15～35 mV的范围内时,Ag/AgCl电极的探测灵敏度随发射信号幅值的增加而增强,并且探测信号能够真实地反映发射信号的频率特征.最后,提出了电场探测电极的响应性能的表征参数.     

一种基于极坐标模型的多AUV协同导航与定位算法

为了解决多个自主式水下无人航行器(AUV)在作曲线轨迹的航行时常规协同导航算法精度较低的难题,提出了一种基于极坐标的多AUV协同导航与定位算法.首先,将本算法的模型、可观测性与常规的直角坐标系算法进行了分析与对比.接着,进行了基于实航数据的数值仿真.针对解决各种传感器受异常噪声干扰导致多AUV协同定位误差变大的问题,本...     

反舰导弹选择能力研究

分析反舰导弹实际选择捕捉目标的实际过程,指出导弹的搜捕选择方式是影响导弹选择能试验法是评估导弹选择能力的合理方法;分析比较各种提高导弹选择能力的措施,指出实现导弹自主选择是提高超视距导弹选择能力的必然需求.     

论我国退役士兵自主就业制度的完善

完善退役士兵自主就业制度,应建立统一、适度的经济补偿标准,制定和进一步完善退役士兵就业优惠政策和自主创业激励政策,强化退役士兵安置机构就业服务功能,加强退役士兵自主就业相关法规制度建设。     

扩展状态UKF和水下地形匹配的捷联系统误差估计方法

捷联系统进入匹配区时导航一定时间后已积累了一定的误差,采用适当的信息融合策略对误差进行估计并补偿可提高后续航行精度;通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究了其估计效果,并与非扩展状态UKF算法进行了对比研究.仿真结果表明:所提出的方法可行,而且基于扩展状态UKF的误差估计方法相比非扩展状态UKF方法具有更好的估计精度,研究结论为匹配区内估计捷联系统导航误差提供了参考.     

弹载星敏感器应用方案比较研究

简述了弹载星敏感器几种应用方案的原理,从视场大小、导航星等、观星方式、像元分辨率、三轴姿态精度、动态性能、惯性基准误差分离等方面分析、比较了各种方案的优缺点.除平台方案外,捷联星图方案和单(双)星方案的技术参数相当,动态性能均有待提高.星图方案较单(双)星方案在2个方面占优势:一是星图方案不要求调整星敏感器光轴对准导航星,星跟踪算法等技术能快速识别星图;二是星图方案可同时、连续观测6～8颗星,解算出弹体三轴姿态,可以采用先进的滤波技术准确地分离惯性基准误差.     

中国传统战争哲学理念的近代嬗变

近代以来,在西方列强坚船利炮的重创之下,中华民族在军事上接连失败。在严酷的现实面前,中华民族流传两千多年的传统战争哲学理念,受到了前所未有的挑战。在近代战争的冲击下,中国传统战争哲学理念开始了缓慢的嬗变历程。主要表现为三点：“避战求和”理念的破产与激变;“义战必胜”理念的质疑与超越;“道器合一”理念的背离与回归。