基于 CFD 方法的螺旋桨水动力性能预报

运用计算流体力学软件对粘性流场中敞水螺旋桨的水动力性能进行了计算研究,模拟了某型螺旋桨在不同进速系数下的推力系数、转矩系数、螺旋桨表面压力分布以及螺旋桨后尾流场情况等.在数学建模的过程中,利用 FORTRAN 语言编制了计算螺旋桨型值点的程序,然后把计算值导入 Fluent 的前处理器 Gam-bit 进行建模,并采用样条曲线去拟合各个型值点,从而建立了光滑的三维螺旋桨表面外形.介绍了利用Fluent软件在螺旋桨敞水性能计算中的计算流程,以某一标准螺旋桨作为研究对象,给出了敞水性能曲线的计算结果,并与试验测量值作了比较.由对结果的比较分析可知,基于 CFD 方法可以形象、真实地获知螺旋桨表面的压力以及尾部流场的分布情况,并且数值仿真结果可以满足工程应用.     

水中微气泡上浮过程的力学影响因子研究

从受力分析的角度,对气泡运动方程进行了推导,并对半径在40~500μm之间的微小气泡上浮过程进行了仿真计算。结果表明,当半径小于500μm、气泡上浮距离大于0.1 m时,可忽略加速过程对气泡上浮速度的影响。在此基础上,对气泡运动方程进行了详细分析,结果表明,阻力系数与粘滞系数是影响气泡上浮速度的主要因素,它们的取值与上浮速度成反比,并得出了Re≤150条件下的微气泡运动通用的阻力系数表达式。     

非对称头部运动体低速垂直入水试验研究

利用高速摄像技术记录了同一入水条件下头部斜切角为5°～25°的5种非对称头部运动体垂直入水过程,比较分析了它们的空泡形态和速度变化,还分析了同一运动体在不同入水初速度下的入水空泡和速度变化.结果 表明:非对称度即斜切角越大,运动体的各阶段的运动更为紧凑,运动状态改变更快,运动体姿态越不稳定,空泡形态变化更快,空泡壁更早...     

民国时期《孙子兵法》的校勘研究

民国时期,《孙子兵法》因政府提倡兵学而受到进一步重视,同时受“整理国故运动”影响和抗日救亡、寻求御敌之道的现实驱动,校勘《孙子兵法》的相关成果不断涌现。其中,以陆懋德的《孙子兵法集释》、易培基的《读孙子杂记》、张之纯的《评注诸子菁华录·孙子》、陈启天的《孙子兵法校释》最具代表性。民国时期《孙子兵法》的校勘成果是在批判吸收历代关于《孙子兵法》校勘成果的基础上取得的,主要有三类：一是勘误字、乙文;二是校衍文、脱文;三是重订错简。这些成果在一定程度上解决了《孙子兵法》原文中长期存在的“鲁鱼亥豕”“佶屈聱牙”“扞格不通”等问题,也为当代《孙子兵法》校勘研究提供了有益借鉴。     

弹道导弹打击航空母舰末制导寻的方法研究

在弹道导弹与航母战斗群的攻防对抗中,弹道导弹需要采用有效的寻的方法以便在对抗中占优势。通过分析航母的运动特性,建立了预测其运动态势的数学模型;在此基础上,采用预测落点的末制导方法,在导弹弹头再入大气层后,通过多次预测和修正,实时修正由于航母运动和再入过程中大气影响等各种干扰因素所引起的落点偏差,以保证弹头能以较好的精度命中目标。从数字仿真结果来看,该方法成功率高,且制导精度较高,具有较强的工程应用价值。     

1946—1947年山东解放区立功运动面临的困境及其应对

为动员不同群体支援解放战争，中共山东省委和山东军区在借鉴和改造古代功劳簿制度的基础上，吸纳创模运动的经验教训，创造了立功运动这一动员方式。但运动开展初期也面临诸多困境，个别干部对立功运动重视不足，部分群众立功积极性不高，实际过程中存在着抢功、争功、好人主义等问题。立功运动的困境也折射出乡村革命中战争动员的复杂性。为此，山东省委和军区改进和完善立功运动，开展深入持久的政治动员，加强立功运动组织建设，准确科学组织记功评功、及时奖功庆功，从而推动了运动的发展。更为关键的是，立功运动进一步密切了中共与民众间的关系，支援了解放战争的胜利。     

弱机动目标的参数估计

本文探讨了卡尔曼滤波用于估计弱机动目标状态参数问题。在极坐标系下建立目标机动的相关加速度模型,通过对运动目标斜距二阶变化率和方位角加速度的定量分析,建立了自适应估计目标动态模型噪声强度的弱机动目标参数估计算法。对几种典型航路的模拟证实了在选择适当参数时该算法对目标机动,不同类型的机动间的转换,不仅能较好地压制随机量测噪声,而且能满意地估计目标的速度和航向。     

船舶尾部结构振动计算

船舶尾部结构的振动问题应同时从船体总振动和尾部结构的局部振动两方面来考虑。本文从这一基本认识出发,利用有限元法编制了船舶尾部结构振动计算程序,并以实船为对象进行了尾部结构振动的计算,取得了较好的效果。     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。