基于ANSYS的电子功能部件热可靠性仿真预计

常规试验方法对于弹上电子功能部件热可靠性的分析验证,不仅所需周期长、代价大,而且容易受到试验设备及人员素质的限制,往往导致数据数量和质量的双重折扣.为此,基于ANSYS对借助于贴片式电子元器件改造的电子功能部件进行热可靠性仿真预计.通过设置不同的环境温度,模拟电子功能部件服役期不同的工作状态,并结合失效率预计模型,计算关键元器件服役期内3种阶段的热失效率,实现对于改造的电子功能部件的热可靠性预计,同时利用加速退化试验验证其准确性.仿真结果表明,热可靠度为0.9834,远大于规定的服役期热可靠标准,印证了贴片式电子元器件应用的可行性.     

防空监视网络传感器任务优先级的模糊评价方法

传感器任务优先级是传感器管理的重要依据。应用模糊推理技术的传感器任务优先级评价方法,基于所有融合航迹和识别数据,通过符号推理确定决策循环过程中执行的每个监视任务的优先级。首先确定了管理系统结构,建立了优先级决策树,给出了模糊推理规则,最后进行了仿真试验。试验结果说明了模糊评价方法在传感器管理应用中的有效性。     

密封结构中超弹性接触问题的有限元分析

在研究橡胶密封结构的非线性有限元理论的基础上,应用有限元分析方法,对 O形橡胶圈变形及应力分布规律以及影响O形圈密封性能的因素进行了研究.通过以上研究,得到了橡胶密封结构有限元分析的具体方法及O形圈变形和应力分布规律,并为橡胶密封结构的设计计算提供了一条新途径.     

基于满意决策的多UAV协同目标分配方法

目标分配是UAV自主控制的重要问题。提出了基于满意决策的多UAV协同的目标分配技术,为解决多UAV协同的目标分配问题和多机场起飞的UAV编队配置问题提供了一种新颖而有效的方法。重点对其中的满意集计算、联合满意度、拒绝度和选择度的建立和计算等关键问题进行了讨论。以压制敌防空火力任务为背景对该方法进行了仿真,并将本文提出的方法和其他方法做了比较,仿真结果表明基于满意决策的多UAV协同的目标分配方法在效率上有明显优势。     

气相色谱法测定发射药中双安定剂成分的含量

采用丙酮石油醚混合溶剂对单樟-11A-8/1发射药中的两种安定剂(二苯胺和二号中定剂)进行提取,并使用SP2100气相色谱仪的FID检测器和TCD检测器对提取液中两种安定剂的浓度进行了测定,进而得到了两种安定剂在单樟-11A-8/1发射药中的百分含量。实验结果表明,FID检测器比TCD检测器检测精度高。采用FID检测器时,实验结果重复性很高,能够满足对单樟-11A-8/1发射药进行质量监控的需要。     

空气弹簧隔振平台姿态模糊控制研究

空气弹簧隔振器在舰船上已经被广泛使用,但是空气弹簧漏气往往造成隔振平台姿态倾斜或者高度下降,严重影响设备的正常工作以及隔振性能.因此,检测漏气情况以及保持平台姿态平稳是空气弹簧隔振系统需要解决的关键技术问题.由于大型设备的空气弹簧隔振平台结构往往非常复杂,很难建立其精确的数学模型,常规的依靠精确模型的控制策略在这里无法奏效.文中分析了空气弹簧漏气对隔振平台姿态的影响,提出了一种漏气快速检测方法,利用模糊控制理论对空气弹簧隔振平台的姿态控制进行了研究和试验.试验结果表明,空气弹簧隔振系统姿态模糊控制技术是完全可行的,效果良好.     

复杂非线性隔冲减振系统计算分析

基于结构动力学理论,提出了一种用于分析计算复杂非线性隔冲减振系统的双模型两步计算法。该方法将冲击振动分成2个阶段:冲击作用阶段和自由振动阶段。冲击作用阶段,采用两自由度模型进行响应计算,该两自由度模型可有效地解决基础冲击输入问题;自由振动阶段,采用单自由度模型进行响应计算,设备在该阶段以冲击终了时刻的速度和位移为初始条件进行振动。文中还对一个典型的复杂非线性系统的冲击过程进行了数值计算.该方法亦可用于线性隔冲减振系统的计算分析.     

空地协同群在防空作战空地协同中的应用

鉴于防空战场形势多变,提出了空地协同群的概念,并主要从作战单元的选取、作战单元进出规则、协同关系的确定和协同通信策略等4个方面进行论述.该概念能够较好地刻画空地协同的基本理论、空地协同的组织与实施等内容,是对网络中心战背景下的空地协同作战的一种全新的诠释.     

一种改进的强跟踪滤波算法的推导及仿真验证

针对一般强跟踪滤波算法(STEKF)在光纤陀螺动态输出滤波过程中存在跟踪效果不好的缺陷,分析推导一种新的强跟踪滤波算法(ISTEKF),使其能够克服原先算法存在的缺陷,并利用光纤陀螺动态输出数据进行仿真验证,滤波结果表明ISTEKF算法能够达到很好的跟踪效果,且具有较强的自适应能力。     

无线传感器网络中数据流异常数据的联合估计算法

为保证无线传感器网络数据的完整性,针对数据流中存在异常数据的问题,提出了一种基于BP神经网络和多元线性回归的联合估计算法。首先,将存在异常数据的数据流作为样本输入,利用神经网络的非线性拟合能力对异常数据进行估计。然后,通过相邻的传感器节点数据建立多元线性回归模型,对异常数据进行估计。最后,根据两种算法在不同情况下的误差大小,调整它们各自在异常数据估计中的权重,计算出最接近真实值的估计值。以Berkeley Intel实验室的传感器数据为实验数据,通过Matlab软件对本文方法进行测试并分析仿真结果,实验结果表明文中提出的方法能对异常数据进行有效估计,并且具有较高的可靠性和稳定性。