直升机工作特性建模与飞行性能仿真

以涡轮轴发动机工作特性建模为中心,对某系列直升机飞行性能进行仿真研究,力争实现对直升机实施"基于状态的维修"。讨论了直升机飞行性能和涡轮轴发动机特性的表述方法,建立了涡轮轴发动机的数学模型,并讨论了其解法与应用。基于发动机台架性能仿真程序对该模型进行简化,得到涡轮轴发动机工作过程的热力学模型。对发动机性能进行计算完成飞行性能仿真,应用结果表明该方法是可信、高效的。     

无人飞行器Ad Hoc网络中容错节点移动控制算法

针对无人飞行器Ad Hoc网络的容错设计需求,基于UAV节点的可控移动特性,提出了一种基于强化边启发的节点移动控制算法.首先采用文化基因算法对给定通信网络对应的拓扑图进行搜索,求解使图获取顶点2 -连通属性所需新增的最小成本强化边组合.以强化边为启发,将连接的节点移动到彼此通信范围内来实现强化边,同时以这些节点为leader,采用基于一致性算法的leader-follower控制算法移动其他关联节点,使变化后的网络为顶点2-连通,从而实现网络容错.仿真实验结果表明算法的可行性与有效性,节点总的移动距离少于用于对比的块移动算法和紧缩算法.     

潜艇自航发射鱼雷的若干问题

潜艇自航发射鱼雷可以降低发射过程的辐射噪声,有利于提高发射艇的安全性。通过分析自航发射需具备的基本条件、现有533mm口径潜艇鱼雷发射管实现自航发射的可能性、后端补水的自航发射、有动力后端补水的自航发射等几个问题,得出了533mm口径的潜艇鱼雷发射管不可能实现自航发射的结论。另外,对降低潜艇发射鱼雷时的出管速度给鱼雷和发射艇带来的风险作了分析,得出了为保证潜艇发射鱼雷时的安全不能随意降低鱼雷出管速度的结论。     

OFD-LFM MIMO雷达中目标部件振动的微多普勒效应分析

与传统单基雷达系统相比,多输入多输出(MIMO)雷达系统充分利用发射分集和接收分集的优势,能够在不同的视角接收目标回波信号,可以提取目标更精细的微多普勒特征,因而大大提高了雷达对目标的识别能力。基于MIMO雷达系统,详细分析推导了正交频分线性调频信号体制下目标部件振动的微多普勒效应,并采用时频分析工具对理论分析的结果进行了仿真验证。     

扑翼UUV前肢驱动机构设计

通过对海龟前肢运动特点的分析和研究,对扑翼进行受力分析,充分利用惯性与流体力的作用,基于Unigraphics软件,实现前肢扑翼驱动机构的虚拟样机设计,简述此机构的周期运动过程,通过计算与仿真得出其粗略的推进力曲线及驱动电机参数,验证了机构的合理性。     

摧毁固定目标的空袭兵器需求量算法研究

在反空袭作战中,预先对敌空袭兵器的出动量的有效判断程度,关系到我防空兵器的兵力需求论证与战斗部署。以往这方面的研究成果中,定性多于定量,为提高准确性,加强定量研究有很大的必要。由于影响作战的因素很多,且需求量的计算分为多个方面,不可能一一作出研究。分析了敌空袭固定目标时兵力选择所依据的因素,分别用排队论与Lanchester方程理论进行了数学建模。     

一种新型的OFDM智能天线

根据自适应天线阵列理论,结合给定的参考波束的误差,引入虚拟干扰的概念,对目标波束图形状进行调整,提出一种新的可以应用于任意类型天线阵列的波束综合算法.应用提出的新算法,在主瓣和旁瓣位置都可以对波束进行有效的调节.最终获得阵列的最优权矢量,能够最小化目标波束图与参考波束图间的差异.理论分析与仿真结果表明,与现有的同类算法相比,该算法能更有效地获得与参考波束基本相符的波束.应用于OFDM智能天线系统时,对不同子载波频率上信号进行单独处理,利用该算法进行波束综合,能够在整个有效频段,使所有子载波上获得基本一致的阵列输出.     

基于PXA255的信息支持设备设计与实现

论述了基于PXA255嵌入式系统的手持式辅助维修系统信息支持设备的硬件结构和软件结构的设计,在W indows CE.NET 4.2的基础上,利用embedded V isual C 4.0设计了与硬件设备配套使用的软件部分,使该信息支持设备扩展了数字万用表/示波器、无线数传、CDMA、GPS和身份验证等多种功能。     

星载双基地SAR系统模糊性

针对星载双基地SAR由双基地几何关系引入的新问题,提出了计算其模糊比的新方法和近似分解方法。利用此方法通过仿真计算对星载双基地SAR模糊性变化规律做了进一步研究。结果表明,因接收天线的面积限制,与其伴随飞行的大卫星SAR相比,模糊性问题更为严重,但变化规律基本一致。比较而言,由于小卫星天线尺寸在高度上更接近大卫星天线,在距离模糊比上相对大卫星SAR抬高得不多,而在方位模糊比上抬高较大。     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.