装备技术体系结构演化和超网络建模

装备技术体系结构演化模型是把握装备技术发展规律和制定发展战略的基础。文章系统梳理装备技术发展的体系特征,深入分析了其体系演化动力、要素和过程,将演化实体与关系抽象为超网络的节点和边,可以给前沿技术探测和装备技术体系评估提供新思路。     

军人心理训练的实证研究及其思考

军人心理训练,作为一种将心理训练与战斗力相结合的新型训练模式,是军人提升心理能力、培育素质素养的重要途径。通过概述军人心理训练的内涵和方法,梳理实证研究的研究现状,为拓展军人心理训练领域研究、深化训练应用实效提出思考。     

美国空军装备技术体系规划及发展分析

在新军事变革的局面下,装备体系化发展已成为必然趋势。本文在分析美军"技术地平线"规划研究及"技术地平线"发布后8年来美军重要装备发展情况的基础上,总结美空军技术顶层规划及装备体系研制成功经验,提出了我国未来装备体系建设的方向和建议,为新时期促进我国装备体系建设顶层科学规划,促进装备体系、技术体系、能力体系发展提供参考。     

一种楔块式单向超越离合器结构参数优化设计

为优化楔块式单向超越离合器的结构参数,根据漂浮式微型波力发电装置对超越离合器的要求,建立楔块式超越离合器结构参数的数学模型。以体积最小为优化目标,建立接触疲劳强度和各个尺寸的约束条件,并利用Matlab软件的优化工具箱求解数学模型。最后将常规设计参数和优化设计参数进行比较,结果表明:优化设计的体积只有常规设计的72.33%;漂浮式发电装置的传动系统结构更加紧凑,质量更轻。     

改进多重信号分类算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

正交频分复用/偏移正交振幅调制半盲信道估计

非合作通信背景下,针对传统干扰近似法(IAM)进行正交频分复用(OFDM)/偏移正交振幅调制(OQAM)系统信道估计需要导频符号值作为先验信息的问题,提出一种基于OQAM符号特征的IAM(OCBIAM)估计算法。该算法利用IAM导频结构和OQAM实符号的有限集特征,将信道衰落系数幅度和相位分开估计,在仅获得导频位置而未知导频符号值的条件下实现了OFDM/OQAM系统半盲信道估计。并且证明了OCB-IAM算法由于利用接收符号的二阶统计量将高斯白噪声变为非随机的单音干扰,从而在中低信噪比条件下具有优于IAM算法的估计性能。仿真实验验证了理论推导的正确性和OCB-IAM算法的可靠性。     

辅助通道参数模型估计射电天文抗干扰方法

针对单通道射电天文抗干扰方法在观测数据干噪比较低情况下的干扰消除性能降低甚至失效的问题,通过引入辅助天线观测提出了一种基于参数模型估计的抗干扰方法。该方法利用辅助天线所接收到的具有较高干噪比的观测数据建立干扰信号参数的估计模型,同时通过构建主辅通道参数差异性模型对估计模型进行修正,实现对干扰信号参数的精确估计,达到消除干扰信号的目的。仿真实验表明,相比于单通道方法,改进后的方法在解决低干噪比条件下的射电天文抗干扰问题方面具有更广泛的适用范围。     

火箭炮位置伺服系统的鲁棒性多内模控制

为了实现火箭炮交流伺服系统的高精度位置跟踪控制,引入补偿模块,设计了一种鲁棒多内模预估控制器,是一种适应于参数时变的控制器。理论分析和仿真结果表明,所提出的方法设计简单,参数调整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性。     

激光冲击“残余应力洞”的参数影响

在激光冲击强化过程中,光斑边界处会产生表面稀疏波,并向光斑中心传播、汇聚,使中心区域材料发生反向塑性变形,造成光斑中心区域残余压应力缺失,从而形成材料表面"残余应力洞"现象。利用ABAQUS有限元软件进行了圆形高斯光斑的激光冲击强化数值模拟,讨论了不同材料和模型尺寸、激光冲击参数等因素对"残余应力洞"的影响规律。结果表明,随着冲击波峰值压力、冲击波作用时间、冲击次数的增加,"残余应力洞"现象随之加剧;而随着材料动态弹性极限、光斑大小、冲击波上升时间、光斑搭接率的增加,"残余应力洞"现象则会随之减弱。该研究可为后期激光冲击强化光斑光学整形技术的应用,以及基于残余应力场优化的工艺设计提供依据。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。