基于认知的武器系统能力描述模式

研究武器系统能力的过程,是通过实践不断认知武器系统能力,并不断反馈的过程。为此,提出基于认知的武器系统能力描述模式。首先,研究武器系统能力的基本概念,提出将武器系统能力分解为能力要素,直至底层的能力原子,对能力原子分析起关键作用的特性称为能力属性。其次,建立基于认知的武器系统能力描述的三维模型——包括语用维、语义维和语法维。第三,提出由语用分析、语义分析和语法描述构成的武器系统能力的描述框架。最后,通过一个案例示例以说明了模式的有效性和实用性。     

反馈干扰系统的自校正控制方法

为实现系统跟踪期望输出及系统未知参数的在线闭环辨识,针对带反馈干扰的未知参数系统,结合最小方差控制算法和增广最小二乘法设计了自校正调节器。首先通过对反馈通道干扰的分析,给出了系统的等效模型;其次,按系统输出最小方差的原理设计了控制器,实现了系统跟踪期望输出;第三,运用增广最小二乘法对系统参数的辨识,给出未知参数的无偏一致估计,实现了参数的在线闭环辨识。通过对未知参数的辨识,用所辨识的参数计算调节器的参数,完成对控制律的修改,实现了系统跟踪期望输出和参数的在线闭环辨识。最后,利用该方法对实例进行了仿真研究。仿真结果表明:所提方法简单可行。     

空气弹簧隔振器热膨胀变形特性计算

基于气体热力学方程、空气弹簧隔振器静力学模型,采用物理建模、模型辨识建模相结合的混合建模方法,建立了一种空气弹簧隔振器热膨胀变形计算模型,并通过数值仿真对轴向承载力、斜置安装角度、静刚度等主要影响因素进行了分析。仿真结果表明:增大轴向承载力、降低其垂向的静刚度将增大热膨胀变形量;增加斜置安装角可减小热膨胀变形量。应用该计算模型可以获取单个空气弹簧隔振器在不同环境温度下的热膨胀变形量,且具有较好的计算精度并可进一步推广应用于空气弹簧隔振装置的热膨胀变形评估计算。     

流体系结构技术发展探讨

以流计算模型为基础的流体系结构,是面向未来的单片上集成超10亿只晶体管和上千ALU时代的新型体系结构,正成为微处理器体系结构研究关注的前沿焦点之一.首先分析流计算的背景;总结现有的具有代表性的流体系结构,并对它们的结构、执行模式、并行性、片上存储使用方式和应用目标等方面进行了比较;然后归纳流程序设计及其环境,讨论当前流编译研究的热点方向;最后探讨流处理器设计的发展趋势.     

基于统计势能的水平集特定目标轮廓提取方法

介绍一种基于统计势能的水平集特定目标轮廓提取方法.首先通过计算统计势能得到水平集曲线与目标边界相关程度,然后由此推导出区域决策影响因子并将其引入到水平集函数演化方程中,最终实现利用目标区域信息提高水平集目标轮廓提取质量.红外图像目标轮廓提取实验结果表明,该方法能够有效地克服目标轮廓提取中存在的边界泄漏问题.     

一种可验证的可视密码方案

可视密码是一项可以实现可视秘密共享的重要密码技术.它是将生成的分享图像分配给多个参与者,将一定数量的分享重叠就可恢复出原秘密,而不需要任何密码学计算.提出了一种可验证的可视密码方案,该方案引入了行为值得信赖的可信第三方,并引入了基于消息认证模型的公钥密码体系结构,使得每个参与者都可以验证其分享的权威性.该方案解决了分发中心或者分发者的不诚实问题,提高了可视密码方案实施的安全性.     

改进火炮拖动随动系统跟随特性的方法

为了提高火炮拖动随动系统跟随误差精度,在三环伺服控制系统的基础上,提出了一种经典控制和智能控制相结合的方法.利用误差补偿的思想,在位置环采用前馈校正和超前校正的复合控制.采用模糊PI参数自整定控制的思想,在速度环上设计了智能模糊控制器.仿真结果表明,与PID控制系统相比较,系统的动态误差精度从10-3提高到10-4,明显地增强了火炮拖动随动系统的动态跟随特性,并使系统具有较强的鲁棒性.     

论翻译工作中译者与读者的统一

翻译是一个复杂的语码转换过程。此过程会牵涉到译者和读者间的相互关系,他们之间的关系是统一的,缺一不可的。正确处理好这两者的关系,对于译事至关重要,还可以解决翻译中的许多问题。另外,翻译过程中,译者地位的重要性较突出,译者应加强自身素质的培养,以期译出更好、更受读者欢迎的文本。     

H∞控制理论在雷达导引头伺服系统设计中的应用

基于鲁棒控制理论对雷达导引头伺服系统进行综合与分析,在建立系统状态空间模型的基础上,将雷达导引头伺服系统的综合问题归结为标准的H∞控制问题,通过求Riccati不等式的对称正定解得到H∞/混合灵敏度控制器,以保证系统的鲁棒性;同时,分析了采用H∞控制器的系统性能.仿真实验结果表明,用该方法设计的控制系统具有良好的抑制扰动和跟踪给定效果,满足对雷达导引头伺服系统控制的要求.     

基于信息增益和相关性的判定树特征选择算法

特征选择是模式识别中需要解决的一个重要问题.针对已知类标号的样本集合,从特征的分类信息和特征间相关性2个方面出发,提出了一种基于信息增益和相关性的判定树特征选择算法.该算法是一种有监督方法,先采用信息增益度量特征的分类区分度,采用相关系数度量特征的冗余度,然后建立判定树,则树中的节点即为选择出的特征.