Turbo C与Microsoft FORTRAN混合编程的实现

本文通过研究Borland公司的Turbo C与Microsoft公司的FORTRAN混合编程时出现的问题,提出了修改初始化模块及函数库的原理与方法,并利用TLINK的动态连接功能,实现了这两种语言在源程序级的混合编程,最后说明了实现过程与注意事项。     

基于离散化模型的雷达优化配置与部署方法

雷达优化配置与部署问题存在模型复杂的问题,很难对其进行优化.提出了一种基于网格的离散化模型.雷达配置与部署的方案、雷达网对防区的覆盖能力以及雷达布站的约束条件都分别通过网格和矩阵进行了定量描述,在此基础上,建立了雷达优化配置与部署问题的数学模型.这样就可以采用模拟退火算法对该问题优化.仿真实验证明了该方法的有效性和可行性.     

面向联合作战任务的使命能力包

传统的C/S架构和基于构件的信息系统解决方案由于存在实时性、可靠性和灵活性等方面的问题,不能满足联合作战需求.针对联合作战的特点,构建了面向联合作战任务的使命能力包的概念及其服务框架;介绍了使命能力包与面向服务的体系结构(SOA)、Web Services技术以及军事网格服务之间的关系,最后提出了一种使命能力包的应用模型,并分析了基于使命能力包构建的指挥控制系统面向任务的实时性和灵活性.     

一个二阶精度的大粒子有限体积方法

对二维Euler方程给出一个二阶精度的非结构网格有限体积方法,方法的主要思想是把Euler方程的一个时间步分两步计算:第一步只考虑压力加速效应,第二步再考虑输运效应,离散过程中采用一种具有最小二乘思想的线性重构函数以计算交界面的流通量,数值实验表明该方法是非常有效的。     

混合不确定条件下的飞行器级间分离可靠性分析

为量化飞行器级间分离过程随机不确定性和认知不确定性的综合影响,结合概率和区间理论混合模型特点,提出了一种基于随机和区间理论混合模型的飞行器级间分离可靠性分析方法。面向高超声速飞行器分离任务需求,建立分离动力学仿真模型,针对级间分离结构的几何特点,设计了一种快速碰撞检测方法,进而构建了分离任务的可靠性分析混合模型。通 过将该模型转化为随机可靠性分析的无约束优化问题,考虑分离过程中复杂外力及力矩导致功能函数高度非线性的特点,利用高效全局优化和主动学习Kriging方法实现无约束优化问题高效求解。结合实例表明,该方法能够准确描述混合不确定性因素对飞行器分离过程的影响,给出了飞行器分离任务可靠性区间,可为飞行器分离方案的精细化设计提供决策支持。     

重叠网格方法研究多子弹抛撒气动问题

子母弹抛撒气动问题是一类典型的有相对运动的多体气动问题,也是重叠网格方法最有价值的应用领域之一。采用MI-Grid重叠网格软件系统,耦合流动力学方程和动力学/运动学方程,研究子弹分离过程的气动性能和运动轨迹,并结合正交试验设计,讨论和评估了出舱条件及气动干扰对子弹分离运动的影响,指出子弹在抛撒流场中受激波干扰对姿态运动影响很大,单子弹抛撒时母弹激波扫射使子弹俯仰特性剧烈波动,多子弹抛撒时弹舱流动受子弹挤压反射激波使子弹姿态抬头。     

用非概率理论分析混合不确定性结构的可靠性

针对不确定性结构可靠性分析中的输入变量分布参数具有不确定性和输入变量为区间模型的混合不确定性结构展开研究。考虑到可用信息最少的情况,将分布参数的不确定性描述为区间模型。通过等概率转换方法将随机变量与其分布参数进行分离,使问题转化为随机与区间变量混合的可靠性问题,建立了混合不确定性问题的可靠性分析模型。基于非概率可靠性理论,建立混合不确定结构分析模型的二级极限状态函数并结合Kriging代理模型建立了高效的求解方法。将所建立的混合不确定模型应用于飞行器结构的不确定性分析中,验证了所建模型的合理性和所提方法的高效性和准确性。     

用于纯方位目标运动分析的泰勒级数法

以泰勒级数法的理论模型为基础,研究它在纯方位TMA中的应用问题。将泰勒级数法与高斯-牛顿法相结合,得到一种混合泰勒级数法。这种混合方法简单易懂,计算并不复杂。经蒙特卡罗仿真研究,其性能可与高斯-牛顿法相比较,对于有些态势甚至在收敛时间以及解算效果上要优于高斯-牛顿法。算法性能反映在一些典型的TMA态势上。     

神经规则与案例融合的专家系统知识表示和推理

为了对专家系统中的知识进行表示,并使得推理变得更加准确高效,介绍了一种结合符号规则、神经网络和案例的方法。该方法是把一种混合规则,即神经规则和案例结合在一起。它与传统的基于符号规则推理不同的是,即使有一些未知的输入,也可以执行基于神经规则的推理。实验证明,与传统的专家系统比较,混合推理可以提高故障诊断的效率和精确度。     

逐步Ⅱ型混合截尾下Pareto分布的统计分析

基于逐步Ⅱ型混合截尾寿命试验数据,研究了Pareto分布的统计分析问题。利用极大似然方法和Bayes估计理论,导出了Pareto分布参数的极大似然估计和基于不同先验分布下的Bayes估计。最后利用Monte-Carlo模拟方法对估计的结果进行了对比分析。