坚固的“堡垒”——被乌克兰寄予厚望的T84U主战坦克

今年4、5月间，乌克兰媒体开始炒作本国生产的名为“堡垒”的新型坦克，并认为，这型由继承了前苏联坦克设计生产能力的哈尔科夫“马雷合夫”坦克生产厂出品的新坦克性能优异，已经超过了俄罗斯军队最新型的T-90A坦克，甚至与当今世界上实力最强的各型坦克相比也毫不逊色甚至更胜一筹。但俄罗斯《独立军事评论》对此却有着完全不同的看法。该刊考察了T-84U“堡垒”坦克的设计历程后得出结论，该坦克不过是乌克兰设计师在给军迷们熟知的T-80更换了炮塔和由柴油发动机替代了汽油发动机后设计出的一种坦克。在俄罗斯人看来，客观看待T-84U“堡垒”坦克的性能才是重要的。     

举动

俄战略火箭兵12月开始换装新型洲际弹道导弹 俄罗斯战略火箭兵司令施瓦琴科10月12日在莫斯科郊区向媒体宣布，俄战略火箭兵将于今年12月开始换装RS-24新型多弹头洲际弹道导弹。施瓦琴科说，RS24新型多弹头洲际弹道导弹将加强俄战略火箭兵的作战打击能力，并将与已经装备部队的“白杨-M”单弹头洲际弹道导弹一起，成为俄战略火箭兵的主要战略核打击武器。据悉，首次开始换装的将是部署在俄伊万诺沃州的捷伊科沃导弹部队。     

采用射流掺混增强的前可调面积涵道引射器数值模拟

为了提高风扇外涵和核心机驱动风扇级外涵流体的掺混效率，提出一种采用射流掺混增强的前可调面积引射器设计方案。通过数值模拟的手段对流量特性、流动掺混和总压损失等方面进行了研究，并同基准模型进行了对比分析，结果表明：采用波瓣混合器结构的前可调面积引射器设计，显著地增加了较高出口背压工况下风扇外涵的流通能力；新的设计方案不仅没有增加低出口背压工况下的总压损失，还减小了高背压出口工况下的流动损失；流向涡的特征尺度是提高掺混效率的关键，可以进一步优化波瓣混合器几何轮廓，以满足调节机构对结构设计的要求。     

美众议院通过6802亿美元的2010年军费法案

俄罗斯战略火箭兵司令施瓦琴科10月12日在莫斯科郊区向媒体宣布，俄战略火箭兵将于今年12月开始换装RS-24新型多弹头洲际弹道导弹。     

基于LPS模型的飞行器控制系统故障诊断方法

传统故障诊断方法一般针对测量信号而展开,未考虑其实际物理连接特性对故障诊断结果的显著影响。随着专业电气系统设计软件的广泛应用,设计人员容易获取系统的物理连接特性和逻辑连接特性。论文通过对产品层、系统层的信号、物理连接及其互连关系的分析,提出了一种将抽象的逻辑信号和具体的物理连线统一起来的逻辑物理综合(LPS)模型,并研究了基于导线表文件和网表文件的LPS模型实例化方法,开发了一套智能故障检测软件,进行了算例验证,结果表明：基于LPS模型的故障诊断方法能够将系统故障定位到指定产品级别上,具有极大的工程应用价值。     

一种空气加热器的三维流场数值仿真

为进行超燃冲压发动机试验,设计了空气加热器,对其内部流场进行了仿真并与热试车结果进行了比较验证;计算结果表明,所设计的加热器在结构方案和总体性能方面基本满足设计要求,喷注器喷入的空气降低了冷却面板的温度,燃烧室轴向入口空气能有效保护燃烧室内壁,仿真结果对于加热器的改进设计也起到一定的指导作用.     

总线型导弹控制系统状态监测与故障诊断技术

分析了总线型导弹控制系统的地面测控体系及其特点,阐述了系统中单机部件的组成结构及其BIT技术;提出了新的测控体系下导弹控制系统状态监测和故障诊断方法,重点针对总线数据接口格式、系统知识表示和状态监测与故障诊断流程进行了讨论。     

基因表达缺失值的加权回归估计算法

在基因芯片实验中,数据缺失客观存在,并在一定程度上影响芯片数据后续分析结果的准确性。在不增加实验次数的情况下,缺失值估计是降低缺失数据对后续分析影响的有效方法。利用相似性信息的核加权函数来实现缺失值回归估计的局部化,提出了基于加权回归估计的基因表达缺失值估计算法。在两个不同类型的基因芯片数据上,将新方法与几种已知的方法进行了比较分析。实验结果表明,新的估计算法具有比传统缺失值估计算法更好的稳定性和估计准确度。     

机电系统故障—时间应力的关联分析技术研究

时间应力测量装置技术是一种测量和存储各种应力数据以及对这些数据进行挖掘与分析的技术。简要介绍了时间应力的基本概念及其研究应用的发展历程。在此基础上,提出了基于故障模式、影响及应力分析(FMESA)的时间应力与机电系统故障的定性关联分析方法和基于多元logistic回归的定量关联分析方法。最后,以某型航空地平仪为对象进行了案例研究。案例分析结果表明,文中提出的时间应力与机电系统故障的关联分析方法能分析出影响系统性能的关键应力因素,为机电系统的故障诊断及故障预测提供基础。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。