一种基于余弦定理罐壁变形测量的新方法

立式圆柱形钢制油罐在运行过程中,由于各种原因可能导致罐顶和罐壁的吸瘪变形。油罐修复时需要确定其承载和变形的相关数据,根据余弦定理提出了一种能对罐壁变形,特别是洞库和覆土罐罐壁变形进行测量的方法,同时介绍了该方法所需要的测量尺的制作方法。通过300m^3油罐罐壁测量的结果表明,该方法在实际操作中是可行的。提出的方法为确定油罐变形修复方案提供科学依据。     

瓦斯爆炸波自激励效应的实验研究

基于爆炸波的发展机理在气体爆炸防护技术研究中的重要性,通过实验对密闭通道中瓦斯爆炸波的传播特征及规律进行了研究。结果表明,瓦斯爆炸传播过程中,压力波对火焰波既有促进作用又有抑制作用,不同阶段的主导作用不同;而火焰波对压力波也会产生影响,不但会加强压力波的超压和振幅,而且会使压力波上升段压缩、下降段拉伸,最终可能发展为爆震波,对巷道内的建筑、设备造成极大的破坏。     

基于二层遗传算法的导弹航路选优问题研究

在多批次多数量的反舰导弹从多个方向对敌舰艇进行饱和攻击的决策过程中,如何选择出最优的航路组合是提高反舰导弹作战效能的关键问题。在综合分析反舰导弹航路选优问题的基础上,建立了导弹航路选择的优化模型,并针对导弹航路选优问题,对基本遗传算法进行了改进,提出了二层遗传算法。仿真分析了多火力单元多目标导弹攻击的航路组合优化问题,得出了有效的导弹攻击航路。通过验证,说明了二层遗传算法在导弹航路规划中的有效性。     

基于深度限制波尔兹曼机的辐射源信号识别

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题,提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成,通过逐层自底向上无监督学习获得初始参数,并用后向传播算法对整个模型进行有监督的参数微调,利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别,具有较高的识别精度和较强的鲁棒性。     

靶场光学测量数据异方差性检验及修正

为了避免靶场光学测量数据异方差性导致的普通最小二乘估计非有效、显著性检验失去意义和模型的预测失效问题,采用了图形分析、Goldfeld-Quandt和Breusch Pagan Godfrey方法检验光学测量数据异方差性,并针对光学测量数据的异方差性提出分段加权最小二乘修正的方法。通过理论分析,对某设备方位角测量数据进行实验验证,取得了残差平方数据、G-Q检验统计数据、BPG检验统计数据和分段加权最小二乘BPG统计数据。结果表明应用图形分析法对光学测量数据进行异方差性检验最直观和简捷,适合存在明显异方差性的检验,G-Q检验法不适用光学测量数据的异方差性检验,BPG检验理论完整且适合光学测量数据的异方差性检验,分段加权最小二乘方法有效合理,消除了异方差性对回归模型的影响。     

无源/有源联合探测系统站点部署与探测性能分析

针对由4站无源定位系统与有源T/R雷达站构成的联合探测系统,提出了无源/有源综合探测系统的探测模型,分析了4种布站方案的目标联合探测精度、探测模糊区分布问题,比较了无源/有源综合探测系统与无源探测系统的性能.仿真结果表明,联合探测系统的最优部署方案是4站无源定位系统采用星形布站结构,T/R有源雷达后置于无源主站10～40 km处,此时系统目标探测精度最高,探测模糊区最小.     

CISE中FOM自动生成技术的研究

从介绍"基于组件的集中/分布/并行一体化建模仿真环境(CISE)"入手,简单介绍了现有HLA联邦的开发途径和缺陷以及"基于组件的集中/分布/并行一体化建模仿真环境"在开发联邦方面的优势,重点探讨了FOM自动生成技术的功能、关键技术及解决技术途径.     

基于遭遇角决策的并行双模切换舵减摇控制

结合舵减摇控制中通用线性模型与模糊线性模型的优缺点,采用了一种根据遭遇角的不同自动切换控制器设计模型的并行双模切换舵减摇控制方案。为在线自动辨识遭遇角,提出基于横摇功率谱密度柱状图的神经网络辨识方法。仿真结果表明,该方法辨识精度较高,且比传统重心法节省了在线计算量与存储数据库所需的存储空间,简化了辨识流程。     

高速布放的微型海光缆下沉状态研究

研究了高速布放的微型海光缆(SFOMC)的下沉状态,分析了洋流、微缆外径、微缆单位长水中重力以及布放速度对下沉状态的影响.计算机仿真结果表明,上升流是影响SFOMC下沉状态的决定性因素,在选择路由时,一定要避开有上升流的海域,同时要加快下沉速度,还应尽量选用外径较小的SFOMC;而下沉速度受SFOMC的单位长水中重力的影响不大,没有必要设计制造大重力的单位长水中重力的SFOMC,且下沉速度与布放平台的航行速度无关.     

基于模糊聚类-BP神经网络模型的战场目标识别

神经网络可以用来识别战场目标,但是传统神经网络具有样本多、学习速度慢的问题.为了解决上述问题,建立了一种基于模糊聚类和神经网络相结合的目标识别模型.仿真实验表明,用该模型进行目标识别,可以科学地选取样本,提高网络的训练速度和运行速度,并且能确保目标识别的正确率.