边界元-有限差分混合方法在气垫船破冰数值模拟中的应用

对气垫船破冰作业的几种工况建立了统一的数学模型,提出了采用边界元法与有限差分法相结合的数值计算方法。采用C语言编制数值模拟程序,对气垫船兴波阻力、水面和冰面波形以及冰层内应力进行计算,通过调用Intel MKL数学库求解离散得到线性代数方程组;在C语言中调用Matlab计算引擎实现了计算网格和部分计算结果的显示;在多核计算机上采用OPENMP实现程序关键部分的并行计算,提高了计算速度。气垫船在全冰面上兴波阻力的计算结果与已有文献的理论分析计算结果和试验结果符合较好。     

面向时空交通栅格流量预测的3D通道注意力网络

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。     

脉冲工况晶闸管扩展速度的影响因素研究

为研究不同因素对其电流扩展速度的影响,根据晶闸管的结构特点和工作原理,建立晶闸管器件模型及脉冲成形网络等效电路模型并进行了仿真模拟.数值仿真结果表明,当正向阻断电压从3000 V增加至5000 V时,扩展速度可增加24.6％;当基区宽度从500μm增加至900μm时,扩展速度降低了31.7％;当载流子寿命从1μs增加至...     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

基于仿真技术的动力装置优化设计技术研究

针对传统动力装置设计方法中存在计算复杂、动态性能难以计算等问题,提出利用动力装置仿真系统来设计船舶动力装置的方法。首先,利用模块化建模原理建立了动力装置各组成部件的数学模型,然后利用C 语言编写了各模型的仿真程序,并建立了动力装置仿真系统。利用该仿真系统对某型船舶的全燃动力装置进行了详细设计,设计过程及结果表明,采用仿真系统来设计动力装置可以准确计算动力装置的动态性能,同时对动力装置各部件的性能参数进行优化。     

基于随机提前期的备件携行量计算方法

舰艇出海执行任务期间,需要携行一定种类和数量的物资自给。文中研究了这种单级供应条件下,如何确定备件最优携行量的问题。建立了以服务水平为目标,以资源为约束的目标规划模型,模型考虑了随机提前期和备件重要度。提出一种基于边际效费比的增量法用于求解这个模型。最后,给出一个算例并得到了一些结论。     

含软判决引导的修正恒模盲均衡算法

在CMA算法基础上,提出了一种混合的修正恒模盲均衡算法MCMA SDD。新算法对CMA算法进行修正,同时引入软判决思想。理论分析和计算机模拟表明,该算法克服了CMA收敛速度慢、稳态误差大的缺点,同时可以纠正相位偏转。与CMA SDD算法相比,具有更快的收敛速度和更低的稳态均方误差。     

加强以"三大规范"为核心的企业标准体系建设提高企业可持续发展能力

兵器工业集团公司(以下简称集团公司)是国家直接掌控的战略性团队,拥有百余家工业企业、科研院所、专业公司等,为增强我国国防实力做出了突出的贡献。在集团公司建设有国际竞     

高机动性能导弹大迎角测量方法研究

简要介绍了嵌入式大气数据传感系统的概念及技术。针对高速高机动性能导弹大迎角高马赫飞行的特点,提出应用嵌入式大气数据传感技术解决导弹大迎角测量问题,并结合导弹自身特点,给出了迎角测量原理和方法,这对于新型导弹的设计具有一定的借鉴意义。     

亮点法在引信仿真中对目标回波计算的应用

在引信的数字仿真和半实物仿真中,目标回波的计算是进行仿真的基础。介绍了亮点法在目标回波计算中的应用,给出了利用亮点法对目标回波的幅度、延时和多普勒频率进行仿真计算的方法。该方法能够简化计算过程,能够满足仿真中实时性的要求。