大型复杂武器装备质量综合评价及其支持系统设计

从大型复杂武器装备系统的具体特点出发,运用基于TOPSIS主成分价值函数模型的主成分分析法（PCA）,构建了大型复杂武器装备质量综合评估模型。进行了实证分析,结果表明,该方法的应用使前三个主成分综合携带了原系统全部信息的96.04%,避免了信息的重叠和交叉,也克服了主观因素对评价的影响,更客观全面地反映了设备的质量状况。最后通过对其支持系统的设计,实现对企业与部队不同质量管理决策层的信息支持。     

层次分析在故障诊断中的应用

首先在对当前复杂装备故障传播特点进行分析的基础上,参考层次分析理论.对于层次分析在故障诊断中应用的有效性进行了阐述.最后,结合工程实践,对于装备层次诊断模型的建立,提出了将装备功能结构层次模型与故障层次模型进行相关建立的方法,并给出了诊断推理过程的基本搜索策略,对于提高复杂装备的故障诊断效率具有一定的工程应用价值.     

一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

大气层内燃气动力与气动力复合控制方法探讨

对采用燃气动力(直接力)与气动力复合控制技术的控制方式、姿控发动机控制周期、点火逻辑及姿控发动机启控策略等进行了初步探讨。重点对采用燃气动力/气动力复合控制方式中舵系统的工作模式进行了探讨及仿真研究,对姿控发动机控制周期及控制回路工作周期对制导精度的影响进行了初步仿真研究。通过仿真研究表明:在末制导阶段,采用燃气动力/气动力复合控制方式可提高导弹的快速性,进而提高导弹的制导控制精度。     

新型钢-混凝土组合板的力学性能研究

以加劲肋形式、组合板厚度和栓钉布置为参数,进行了9块新型组合板的力学性能试验.试验结果表明,组合板的正截面承载力可按基于修正平截面假定的极限状态计算;组合板的跨中挠度,可在按现行规范计算的基础上,加上考虑界面滑移影响的附加变形值予以修正.     

舰船雷达电波折射修正新方法研究

为了提高雷达精度,舰船雷达一般都进行电波折射误差修正.由于无法精确测量大气剖面,故舰船雷达的电波折射修正精度较低.文中提出了一种基于微波辐射计大气遥感的电波折射实时修正新方法,它不仅具有全天候、实时性、机动性等特点,而且可以直接测量出电波传播路径上的大气附加时延积分,从而直接给出距离误差修正量.经与常用的2种电波折射修正方法比较,证明它的精度较高.     

有界波模拟器远场辐射特性仿真研究

利用电磁仿真计算软件FEKO对有界波模拟器远场辐射特性进行仿真分析,得到远场的辐射方向图,并指出方向图随激励源频率的变化关系。该结论对开展电磁防护研究及快上升沿电磁脉冲场模拟器的设计具有一定的参考意义。     

基于自由空间光的无人机集群通信载荷技术发展现状与趋势

对基于自由空间光(Free Space Optical, FSO)的无人机集群通信载荷技术应用需求进行了归纳总结,论述了FSO通信技术及应用在无人机载荷的国内外发展现状,展望了高速移动通信环境下无人机集群FSO通信载荷技术的未来发展趋势,进一步深入分析了应用于无人机集群的FSO通信链路的关键技术。可以预见,基于FSO的通信载荷将广泛应用于未来无人机集群的大带宽通信组网。     

基于机器学习的固体火箭发动机无损检测

传统固体火箭发动机无损检测图像判读工作存在人工识别效率低、图像数据分散及数据利用率低等问题。本文借助机器学习算法与计算机视觉技术,利用大量发动机无损检测图像数据开展无损检测图像数据预处理、边缘检测以及数据模型训练和应用等技术研究,探索快速、准确获得发动机无损检测图像数据特征的方法,深入挖掘固体发动机无损检测数据的内在联系,找到潜在规律。本研究不仅为固体发动机无损检测图像判读提供了一种准确、高效的手段,同时,能够为发动机无损检测图像识别、测量、判读和发动机相关故障模式分析与故障诊断提供数据和决策支持,也能够为未来机器学习在固体发动机无损检测图像判读领域的深入应用提供实践探索和理论研究方面的参考。     

用户日常频繁行为模式挖掘

针对如何在智能手机上高效准确地进行用户日常频繁行为模式挖掘问题展开研究。提出一个基于智能手机的用户日常频繁行为模式挖掘框架;为了减少用来挖掘的上下文篮子的数量、提高挖掘效率,提出一个动态的滑动窗口算法,进而提出一个将上下文出现的频率和持续时间有机地结合起来的加权模式挖掘算法;在此基础上,基于为期6周21个用户的上下文数据,对所提出的挖掘框架和算法进行实验验证,结果表明,所提出的框架和频繁模式挖掘算法可以高效地在资源有限的智能手机上运行,而且能够挖掘出反映用户生活方式的日常频繁行为模式;从两个纬度对用户日常频繁行为模式进行可视化,以可视化方式对用户在不同地方和不同时段的行为模式进行展现,从而方便用户随时了解其日常行为模式。