基于C~4ISR体系结构的防空导弹指挥系统设计

主要分析了C4ISR体系构架,阐述了C4ISR体系结构视图的概念、作用以及相互关系,对应框架中提出的三个视图从需求、设计、实现三个层面提出了以C4ISR体系结构为主导进行新一代防空导弹指挥系统设计的思想。     

当代未成年人思想道德状况分析

当代未成年人思想道德状况总体是好的，热爱祖国、积极向上、团结友爱、文明礼貌是其精神世界的主流。与此同时，在国内外因素的影响下，也出现了一些思想道德问题。当代未成年人思想道德问题是由多方面原因导致的，只有社会、学校、家庭等各方面齐抓共管，共同努力，才能使未成年人思想道德素质得到进一步的改善和提高。     

弹体压心位置变化对末制导炮弹弹道的影响

首先对比弹体压心位置变化对火箭增程弹道和末制导炮弹名义弹道的不同影响，重点分析弹体压心位置变化对末制导炮弹末导段弹道的影响特点，得出弹体压心位置变化对末导段弹道的捕获域和有效攻击区有着重要影响的结论。该结论对末制导炮弹的射表编拟以及新型末制导炮弹的设计都具有重要指导意义。     

导航装备寿命周期费用分析

费用在高科技装备中的地位越来越重要.运用寿命周期费用理论对导航装备进行分析,通过实例得到某型导航装备的经济寿命,所得结论对部队的导航装备管理具有一定的参考价值.     

基于输出协方差配置的车辆振动控制系统设计

通过对车辆振动系统的振动特性分析,确定出系统反馈控制的设计目标。基于对［１］中状态协方差配置控制理论的推广,文中给出了控制器设计的具体方法,并举例说明该设计方法具有直接有效的特点     

智能反射面辅助的无线网络加权和速率优化设计

针对智能反射面(intelligent reflecting surface, IRS)辅助的无线网络传输设计的目标是通过联合设计基站处的发送波束形成向量和IRS的反射系数,在满足基站发射功率和IRS单位模约束的条件下,使多个地面用户的加权和速率最大化。为了求解非凸的目标函数,提出一种交替优化方法,其中采用黎曼流形梯度(Riemannian manifold gradient, RMG)方法来优化反射系数,使用二分搜索法优化发送波束形成向量。此外,为了降低RMG方法的复杂度,设计了一种智能元素块坐标下降方法。仿真结果验证了所提算法的有效性,并且表明通过优化设计反射系数,IRS可显著提高无线网络的频谱效率。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

Spalart-Allmaras湍流模型在高超声速气动加热计算中的应用

将AUSM+格式与LU SGS隐式迭代相结合,采用一方程的Spalart Allmaras湍流模型和二阶迎风MUSCL格式,研究了火星"探路者号"实验模型在10马赫来流条件下的气动热问题。采用量热完全和热完全两种气体模型的计算结果与实验数据进行了比较。热完全气体模型模拟的热流分布规律与实验吻合较好,但是对分离区的热流估计过高。在网格合理划分,尤其是满足近壁面的网格分辨率要求的前提下,该方法能够合理反映高超声速流场除分离区以外的气动热特性。     

高功率微波对 YBCO 超导材料临界电流密度Jc 的影响

用固相反应法制备了三组123相YBCO超导块材,利用高功率微波对三组样品进行辐照处理,分别测量其临界电流密度Jc,实验结果表明,适当的微波辐照有利于提高超导样品的临界电流密度Jc,一次照射与未照射的样品相比较,Jc提高了近一个数量级.     

前馈控制的神经网络实现

不依赖对象模型,在前馈-反馈定值控制系统中,借助神经网络构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最终在控制中占据主导地位,实现对主要可测干扰的补偿.文章分析了神经网络前馈控制器的作用效果,并与根据精确模型设计的常规前馈控制器的作用特性进行了比较.文中采用两种不同方式对神经网络进行训练,仿真结果证实了在模型未知的条件下,利用神经网络实现前馈控制的有效性.