全液压驱动管道机器人公理化设计

随着管道机器人应用领域与任务需求的不断增大,机器人设计中存在的问题日益突出,如输出功能相互耦合、定位精度不高以及复杂环境下可靠性低。针对石油水平井对于管道机器人的特殊应用需求,将公理化设计理论应用到机器人系统设计中,创新设计一种基于挠性支撑结构的全液压驱动管道机器人。概述公理化基本原理与设计过程,对全液压驱动管道机器人进行概念设计,完成设计耦合性分析。确定机器人机械系统与液压系统具体结构组成,并分析其工作机理。应用AMESim软件,对机器人运动原理方案进行仿真分析,结果表明:全液压驱动管道机器人可以实现自动往复运动,牵引力可以达到30 kN,运动速度可以达到0.12 m/s;机器人牵引能力与运动速度可以完成单独调节,从而实现解耦设计。     

干扰及机动条件下的比例导引智能调控策略

由于红外诱饵干扰样式复杂、目标机动形式多变导致传统比例导引律极易被干扰。为提高采用比例导引方法的导弹性能,提出一种利用径向基函数网络调控比例系数及导弹发射时机的智能导引律。以飞行时间及脱靶量为参考,通过构建加权型指标函数将求解最优比例系数及发射时机问题转化为单目标优化问题;引入量子粒子群算法求解最优决策参量,并以其作为网络输出,干扰样式作为网络输入,离线训练径向基函数网络;为提高训练效率,结合K-means及K最近邻算法初始化径向基函数网络。仿真结果表明,当存在红外诱饵干扰时,智能导引律性能优于扩展比例导引律及自适应滑模导引律。     

无线数传模块在远程监控系统中的应用

介绍了一种基于无线数传模块,以链状点对多点传递令牌的形式,构成无线通信系统,实现远程终端与监控中心的实时联系,从而及时掌握远程信息,采取措施.阐述了通信系统的构成原理,采用的通信协议以及在数据传输中的减少干扰的措施.给出了通信系统的硬件设计和软件流程.     

航空武器系统协同作战样式及关键技术

根据信息条件下一体化联合作战对航空武器系统协同作战的需求,研究了指挥控制平台、作战飞机与制导武器之间协同作战的几种样式,提出并探讨了其涉及的数据链、协同指挥引导、协同发射与制导等关键技术,为航空武器系统协同作战研究提供重要的理论及应用参考。     

FBCB2的现状及未来发展

FBCB2是一个新型战场指挥控制/态势感知系统,在阿富汗、伊拉克战争中投入应用后,极大地增强了作战单元的战场态势感知能力、友军相互识别能力、通信和导航能力,使友军误伤大为减少,得到了官兵的广泛好评,产生了巨大影响。但是,FBCB2是一个新型装备,在实际应用中也暴露出了一些问题,为了克服老版本存在的缺陷,美军利用新的技术,并结合实际应用中的经验教训,对其主要系统进行重新设计。主要介绍美国改进FBCB2的两个方案。     

模糊层次分析法反辐射导弹武器系统优选决策

针对现代战争中打击和压制敌方雷达系统时武器选择的优选决策问题,建立了反辐射导弹作战使用优选决策模型。首先提出了区间数判断矩阵的随机一致性指标,解决了一致性检验问题。然后给出了运用模糊层次分析法求解最优决策问题的计算步骤。最后将该方法应用到反辐射导弹武器系统中,进行具体分析、计算,验证了此方法的合理性和有效性。该方法可以为指挥员进行决策时提供重要的科学依据。     

公安派出所消防监督工作现状及问题分析

结合公安派出所消防监督工作现状,深入分析了当前在落实派出所消防监督管理职责方面存在的突出问题,就进一步提高和加强基层公安派出所消防监督管理工作提出了具体意见和建议。     

某军事区域土壤重金属污染状况及其评价

以华北某军事区域的打靶场为研究对象,监测并分析了土壤中重金属Pb和Cu的质量比,分别为25.90～396.50mg/kg,12.13～5173.00mg/kg;并采用单因子指数法和内梅罗综合污染指数法评价了采样区的污染状况。评价结果表明:Pb和Cu的单因子污染指数在落弹区最高,分别达到了390.12和4.61,内梅罗综合污染指数达到了308.88;落弹区剖面分析结果显示打靶场土壤1m左右深度的重金属含量依然很高,表明在落弹区Pb和Cu的污染尤为严重。分析认为弹头是重金属污染的主要来源,残留在土壤中的弹头会给土壤带来持久性的重金属污染。     

不相容矩阵方程AXB=D的反中心对称迭代解

研究了不相容矩阵方程AXB=D的反中心对称最佳逼近解,基于经典共轭梯度法思想,构造了求解这一问题的迭代算法,证明了该算法的有限终止性并给出了该方法的误差估计,最后利用具体的数值例子验证了算法的有效可行性。     

一种实时路况下的车牌照识别系统

该系统采用高清工业相机,以千兆以太网作为数据传输通道,克服了传统传输方式速度较慢,抗干扰能力差的缺点。在识别方面,提出了自适应模板宽度算法,有效克服了光照对车牌定位的影响。该算法还采用投影分割法精确分割车牌字符,对汉字采用Gabor算子提取特征,然后利用SVM进行识别,有效解决了汉字识别问题。