排队维修模型在武器系统可靠性分析中的应用研究

在排队论维修模型的基础上,对根据故障程度派维修工与抢修工的武器系统可靠性进行定量分析,并给出特例从理论上进行了分析.该方法是一种有益的尝试与探索,对部队战时进行装备维修保障和平时训练都具有一定的指导意义.     

突击兵力使用优选方案评价模型

突击兵力是海上战斗的重要组成因素之一,其使用方案的优选直接影响海战的胜负.根据突击兵力方案由多因素影响.具有多目标特性,结合多目标决策理论对突击兵力使用方案的评价优选进行了研究.构筑了突击兵力使用方案评价的指标体系,给出了相应的权重,建立了方案优选的最大最小加权偏差法,确定了方案的评价选取模型.该模型的确立对于突击兵力使用决策的科学化、自动化和规范化将会有一定的参考作用,可以有效地提高海上作战指挥的效能.     

RMS特性的武器装备系统效能评估模型

以常用的系统效能定义为基础,提出了一个基于可靠性维修性保障性即RMS特性的系统效能综合评估参数ERMS,建立了在执行任务期间可修复和不可修复两种典型的系统效能评估模型,并给出ERMS的表达式,最后科学地提出利用该参数进行RMS综合设计分析的基本方法.     

特征分析的串行通信故障检测

介绍了常用于组合逻辑电路故障检测的特征分析法,并将这种方法应用于时序电路.对特征分析法在串行通信电路故障检测中的应用进行了研究.针对某型导航计算机串行通信原理,设计了16位特征分析器,所实现的故障检测电路具有故障侦测率高和自主检测的优点.     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

遗传算法的泛函极值求解与应用

路径规划可以描述为泛函极值模型.针对传统的变分法、最大值原理等求解泛函目标函数类型有限的局限性,考虑遗传算法在解空间中进行随机优化搜索的特点,引入遗传算法对泛函极值问题进行求解,给出了求解过程.该方法具有广泛适应性,数值仿真结果表明了该算法的有效性和合理性.最后得到了飞行器飞行的最优控制规律和最优路径.     

基于结构相似度的SAR干扰效果评估方法

传统的合成孔径雷达(SAR)图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生。提出了一种主客观相结合评估方法,该方法不仅巧妙地利用了结构相似度(SSIM)作为主客观评价的连接纽带,而且结合局部方差相似度与图像高频信息相对应的特点,通过非线性合并得到了结构相似度的修正模型。仿真结果表明,该方法较之传统评估手段具有明显的优势,不仅能够更好地反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,进一步提升了整套评估系统的效率和准确率。     

聚碳硅烷的高温高压合成与减压蒸馏

采用高温高压法合成了聚碳硅烷(PCS),通过改变合成条件与减压蒸馏温度的方法对PCS分子量及其分布进行调控。研究表明,改变PCS的反应温度、反应时间,可以基本控制PCS的分子量及其分布范围。随着反应温度的提高,反应时间的延长,PCS的分子量逐渐增大,分子量分布变宽。当合成温度高于450℃,反应时间大于6h时,或温度高于460℃,反应时间大于4h时,PCS中出现高分子量部分。随着反应条件的强化,高分子量部分逐渐增加,甚至出现超高分子量部分。提高减压蒸馏温度,可以有效降低PCS的低分子含量,提高分子量,降低分散系数。减压蒸馏温度每提高50℃,PCS的低分子含量约降低8%,重均分子量约提高1000,分散系数平均降低约0.3。     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。     

索的UL列式分析方法

通过求解索的微分方程边值问题 ,提出了分析索的收敛迭代公式。利用迭代解可顺利地确定索端位置坐标差、索力及索重之间的关系。算例表明 :本文计算索的方法 ,理论上可达到任意高的精度 ,可十分方便地用于含有索或索网混合复杂结构物的大变形分析 ,用这种方法能解决斜拉桥缆索应力松驰的计算问题。