坦克火炮射击时舱室有害气体动态分析及评价

分析及评价坦克火炮射击时舱室内有害气体的变化。以某型坦克为试验样车,测定坦克火炮射击时舱室有害气体如:无机污染物、总悬浮颗粒物(TSP)及挥发性有机物(VOCs)浓度并观察其动态变化。测定出舱室主要有害气体以一氧化碳(CO)、二氧化硫(SO2)、氨(NH3)、TSP和总烃为主,有害气体浓度随发射炮弹数目的增加而升高,其中又以CO浓度最大。为加速坦克作业环境限值的国家军用标准的补充和修订提供依据。     

两栖车辆形体优化数值模拟

针对两栖车辆水上行驶时,车体包络线对黏性阻力的影响问题,基于RANS方程结合k-ε湍流模型,利用"刚盖"假定,不计兴波阻力及来流湍流度的影响,进行了某两栖车车体模型静水航行的数值模拟.分析了车体在特定速度下,车体包络线的局部改变对黏压阻力系数和摩擦阻力系数的影响.通过分析对比模拟结果,提出了对车体局部细节的优化意见.     

受限空间可燃气体爆炸抑爆实验系统研究

针对狭长受限空间可燃气体爆炸抑制模拟实验研究的需要,采用超细冷气溶胶抑爆技术设计了一套操作方便、组装灵活、结构合理的复合式气体爆炸抑制系统.完成气体爆炸和抑爆实验.实验表明该抑爆实验系统能满足受限空间不同工况气体爆炸抑爆实验研究的需要;同时也表明可燃气体浓度、抑爆剂性能、信号采集及控制系统响应速度等是影响抑爆效果的主要因素.文中的研究为进一步研制抑爆装置奠定了实验和理论基础.     

美军作战实验室的现状和发展

美军作战实验室建设走在世界的前列。从20世纪90年代初至今,美军已初步建立起从技术、战术到战役、战略,从兵种、军种到联合作战的完整实验体系。分析美军热衷于作战实验室建设的主要原因,概括介绍了美军主要的作战实验室及其主要技术手段与工作程序,分析了美军作战实验室的特点和发展趋势,在此基础上得出了组织管理与顶层设计、新技术研究与应用、需求牵引与研究成果有效应用、建设投入与重点等方面的启示,对于指导我军作战实验室建设具有重要的借鉴作用。     

多分辨率建模在联合作战仿真中的应用研究

针对目前联合作战建模与仿真中存在的困难和问题,运用多分辨率建模(MRM)方法对其进行了探索研究。对联合作战的作战要素、仿真映射结构进行了分析,探讨了多分辨率建模的主要方法,提出了联合作战仿真的体系结构,并设计了基于多分辨率建模的联合作战仿真模型框架。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

采用向量内积的并行相关算法

针对软件接收机相关器计算的实时性问题,通过分析扩频信号的接收过程,建立一种基于向量内积的并行相关信号接收模型。利用图形处理单元中大量的浮点运算单元进行矩阵与向量运算,并行计算各通道相关值,提高了信号相关运算的实时性。仿真验证结果表明,利用基于GPU的向量内积软件并行相关算法计算25 MHz采样率时长1 ms的信号相关值,25个通道共150个相关运算耗时967μs,与CPU上基于数学核心函数库的实现相比速度约提高了61.4倍,能够实现宽带扩频信号软件实时相关接收。     

一种改进的分数低阶矩协作频谱感知算法

为了提高脉冲噪声下基于分数低阶矩频谱感知算法性能,提出了一种改进算法。针对中值滤波能有效抑制脉冲噪声的特点,该方法先对接收信号进行中值滤波,再进行分数低阶矩频谱感知。仿真分析了在不同广义信噪比、特征指数以及协作用户对感知性能的影响,并与能量检测和分数低阶矩频谱感知方法对比。仿真结果表明,改进的分数低阶矩方法在脉冲噪声下感知性能明显优于能量检测和分数低阶矩检测。并且对不同调制信号均具有良好的适用性。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。