疲劳失效构件可靠性强化试验仿真

针对传统可靠性试验所需时间长的问题,在炮闩可靠性评估中引入激发的机制,对失效机理为疲劳失效的闩体挡杆进行可靠性强化试验。基于ADAMS建立了炮闩的虚拟样机,模拟挡杆实际工作状态,分析得到了在正常工况和强化试验条件下挡杆受力载荷谱。在Patran中对挡杆进行"准静态"有限元分析,得到了静态应力分布。依据载荷谱和应力分布,在Fatigue中计算得到了挡杆的疲劳寿命。试验表明强化试验技术可行,有利于缩减可靠性试验的时间。     

基于扩展关联矩阵的故障样本等价方法

为方便测试性试验过程的实施,针对测试性验证试验中故障样本不可注入或注入成本太高的问题,提出了一种故障样本等价的计算方法。在对故障样本进行功能等价划分和测试等价划分的基础上,考虑到两个等价划分的不足,对所涉及的三种关联矩阵进行了定义,并根据测试点上不同测试对应的功能属性设计了一种满足实际需求的故障样本等价算法,并用实例说明了该方法的计算过程和可行性。     

基于饱和度梯度的彩色序列图像光流场计算

传统的基于亮度守恒的光流法仅利用图像灰度信息进行光流求解,忽略了对包含丰富信息的色彩信息的利用。而彩色光流法虽然利用了彩色图像各通道信息,却忽略了对邻域信息的利用,造成存在各通道线性相关而无法求解的问题。同时,上述方法在光照变化时均不能得到正确的光流场估计。将基于饱和度的梯度计算方法引入灰度光流的计算方法中,提出了基于饱和度梯度的彩色光流计算方法,该方法有效地利用了彩色图像的色彩信息和邻域信息。试验结果证明：该方法提高了算法对光照变化的适应性,得到了更加精确的光流场估计,且避免了各通道线性相关的问题,为运动目标检测奠定了基础。     

装甲车辆驾驶动作模糊模式识别研究

针对装甲车辆驾驶技能等级评判系统中,如何将驾驶训练过程中采集的驾驶动作数据还原成实际驾驶操作动作的瓶颈问题,采用模糊模式识别的方法,实现了对无限长待识序列数据的识别,并通过对实车采集数据的分析,验证了识别的有效性和准确性。     

基于本体的受限领域文本信息提取方法

针对指挥信息化模拟训练系统中自由格式报文转换问题,根据仿真驱动信息的需求,讨论了对自由格式报文进行信息提取的实现方法。在受限领域（军事领域）中引入本体概念,构建了领域本体模型及语法规则,提出了基于本体的信息提取方法,采用可扩展标记语言（eXtensible Markup Language,XML）和VC＋＋．NET技术相结合,实现对文书的信息提取,为进一步的数据转换和应用奠定了基础。     

编队对地攻击网络化制导决策方法

以编队对地攻击为背景,对网络瞄准下武器网络化制导决策方法展开了研究。首先给出了制导通路的概念并分析了网络瞄准(Networked Targeting,NT)下网络化制导过程的特点;然后设计了构建制导通路的算法,从制导误差的影响因素出发,分析了影响制导通路性能的因素,并根据制导通路中各编队的对地攻击能力与制导时长建立了通路优选模型;最后从任务机组指挥员的角度设计了网络化制导的动态执行过程,并对算法和模型进行了仿真验证。     

突发扩频信号码相位精确估计的卡尔曼滤波方法

文章首先分析了延迟锁定环在突发模式下码相位测量精度低的问题,然后建立了用于扩频信号伪码相位估计的卡尔曼滤波模型,并分析了该卡尔曼滤波器最优运行和提高测量精度的条件,提出用宽带延迟锁定环引导卡尔曼滤波的方法对突发扩频信号的码相位进行精确估计。通过仿真对比了在突发扩频信号下该方法与单独使用延迟锁定环的性能情况。     

舰艇编队综合作战能力评估的模糊聚类分析

评估舰艇编队综合作战能力强弱的模糊聚类分析涉及编队对海作战能力、编队反潜作战能力、编队防空作战能力、编队电子战能力、编队指挥控制能力和编队战场适应能力等因素.以若干舰艇编队为研究对象,对因素指标进行标准量化.据标准化数据用指数相似系数法计算样本间的相似关系,最后根据各样本与基准样本相聚类或分离进行量化分析,判断各舰艇编队综合作战能力的强弱次序.     

多阶段任务系统可靠性并联冗余优化模型

多阶段任务系统是一类普遍存在的复杂系统,研究其可靠性冗余优化对于该类系统设计具有重要的参考价值。针对多阶段任务系统的可靠性并联冗余优化问题,提出了采用冗余故障树和冗余BDD来描述系统冗余结构的方法。给出了冗余模块在多阶段任务系统中的可靠度计算方法,建立了整个冗余多阶段任务系统可靠度计算模型。在此基础上以费用最小为目标,构建多阶段任务系统可靠性冗余优化模型,并应用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。     

紊流风场下无人机飞行状态多模型估计算法

针对紊流风场环境下飞行速度因模型参数发生变化导致单一固定参数滤波器精度降低的问题,提出了一种无人机飞行状态多模型估计算法.在建立单一固定模型紊流风场有色噪声卡尔曼滤波器的基础上,采用多模型自适应卡尔曼估计,得到飞行速度的最优状态估计.仿真结果表明,多模型估计算法在模型参数发生变化时能有效地减小紊流风场对无人机飞行速度的影响,满足飞行速度控制输入的精度要求.