基于复杂网络理论的舰船电力网络脆弱性分析

从舰船电力网络拓扑结构及设备布置特性的角度出发,对舰船电力系统的脆弱性进行量化评估能为电力系统的优化设计提供理论指导。基于复杂网络理论,从舰船电力系统本身的拓扑结构对其脆弱性进行了研究。首先,用邻接矩阵将某一环形电力网络表示出来,并计算其特征参数,从度数指标和介数指标可以看出主配电板节点是电网中的重要节点;然后,对该环形舰船电力网络进行了故障模拟,结果表明:电网元件故障对整个电力网络造成的影响由最大连通子图规模来衡量,该指标值越小表明此元件故障对网络的影响越大,同时这一指标比介数指标更好地揭示了舰船电力网络的脆弱环节。     

聚氨酯的合成及水声性能

用甲苯-2,4-二异氰酸酯(2,4-TDI)、聚丙二醇(PPG)等原料合成了聚氨酯预聚体,以3,3-二氯-4,4-二氨基二苯甲烷(MOCA)、三羟甲基丙烷(TMP)为扩链剂合成了聚氨酯,在脉冲声管中测试了合成试样的声压反射系数和吸声系数,研究了不同扩链剂及不同含量的2,6-二叔丁基-4-甲基苯酚(BHT)对其水下声学性能的影响。测试结果表明:TDI-PPG-MOCA合成型聚氨酯是一种良好的水下透声材料,TDI-PPG-TMP合成型聚氨酯是一种良好的水下吸声材料;BHT的加入对TDI-PPG-TMP合成型聚氨酯的水下吸声性能有显著提高,因此合理地设计实验工艺参数,可以得到水下声学性能更佳的聚氨酯。     

信息化条件下武器系统应急作战能力评价方法

针对当前提高信息化条件下体系作战的应急作战能力客观要求,综合运用模糊评价理论,对信息化条件下武器系统应急作战能力评估问题进行了研究。首先,从理论上阐明武器系统应急作战能力的内涵;然后,在分析武器系统应急作战能力评价内容的基础上,建立了信息化条件下武器系统应急作战能力评价指标体系,并提出了一种基于模糊综合评价法的武器系统应急作战能力评估方法;最后,通过实例分析说明了该方法的有效性。     

多平台对AAM协同制导交接班模型

通过对协同制导交接班的类型进行分析,建立了防空武器系统对AAM(Anti-aircraft Missile)协同制导交接班的坐标转换模型、误差模型及雷达截获概率模型。通过模拟产生随机误差,利用Monte-Carlo方法进行计算,得出不同误差源对协同制导交接班概率影响的定量关系。实验结果证明了所建模型的有效性,误差分析结论可作为协同制导交接班精度控制的依据。     

导弹发射车悬架半主动控制与仿真

为了降低导弹行进间发射时车体的强烈振动,提出了利用磁流变阻尼器进行半主动控制的方法。首先,对采用垂直发射方式的导弹发射车悬架系统进行了简化,建立了四自由度振动模型,推导出悬架系统的状态方程。然后分别考虑发射车在恶劣路况下的行驶以及行进间发射2种工况,利用磁流变阻尼器提供控制力进行了线性最优二次型振动控制。最后编写了控制程序并进行了仿真计算。结果表明,实施半主动控制后,2种工况下车身的振动得到了较好的抑制。     

重庆缙云山典型紫色土吸附TNT动力学研究

采用振荡平衡法对缙云山典型紫色土吸附TNT过程进行研究,探讨供试土壤对TNT吸附的动力学特征。结果表明,TNT在供试土壤上的吸附可分为快速吸附和慢速吸附2个过程,快速吸附过程主要发生在初始的15 min内,并且在吸附8 h后基本达到平衡。对动力学数据采用准一级动力学模型、准二级动力学模型、Elovich动力学模型以及颗粒内扩散模型进行拟合,拟合结果排序为准二级动力学模型Elovich动力学模型准一级动力学模型颗粒内扩散模型,说明供试土壤对TNT的吸附过程具体可分为液膜扩散、表面吸附以及内扩散3个阶段。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

潜射鱼雷的自导方式及机动对抗条件下的运用

针对依据复杂对抗的作战条件和日益增长的鱼雷航程对潜艇鱼雷攻击带来的新问题,在综合分析潜射鱼雷各种自导方式的特点,以及针对这些特点的攻防行动策略的基础上,提出通过战术使用方法和鱼雷技术两方面保证自导鱼雷攻击的有效性。指出自适应变换自导方式搜索是提高鱼雷战斗能力的重要技术措施,而确定鱼雷自导方式转换时机和转换方案是实现鱼雷智能搜索需要解决的关键问题,最后给出了相应的技术方法。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。