基于灰色滑模控制的火箭炮伺服系统仿真

新型火箭炮伺服系统的控制过程具有明显的非线性和时变特性,传统的PID控制是基于精确数学模型的控制方法,难以获得满意的控制效果。为了提高控制精度,在伺服系统中采用滑模控制与灰色预测相结合的控制方法,以减少参数变化和外部干扰对伺服系统的影响。通过MATLAB仿真表明,该控制方法削弱了滑模控制抖动对伺服系统的影响,提高了系统的鲁棒性和抗干扰能力。     

近海作战潜艇“重出江湖”

在第一次和第二次世界大战期间,潜艇成为在近海和大洋上作战的主要平台。目前,这种优先权又发生了改变。国外许多专家预测,随着时间的推移,大洋作战已渐渐远去,在可预见的将来,离岸500海里范围内的近海水域将成为水下战的主要区域。在近海水域,大吨位的核潜艇行动不便,目标暴露率高,难以担当重任,另外从效费比上来说,     

平阳重工18字策略从容应对金融危机

危机来临的时候,各个行业、每个企业都会受冲击,这时候也是修炼内功的最佳时机。平阳重工凭借近几年公司在快速发展中积累的基础条件,超前预测,积极应对,集中精力解决好目前存在的突出问题,制定快速回应市场变化的发展战略,加强风险的防范与控制,在逆境中发现并把握机会,从容应对市场风险,在新的起点上推进生产经营保持平稳较快发展。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

故障预测与健康管理技术的应用与发展

基于故障预测与健康管理（Prognostics and Health Management,PHM）系统框架,分析了PHM技术在装备维修保障中的重要意义,概述了PHM技术的发展过程及应用现状,重点讨论了当前故障预测与健康管理所采用的关键技术,包括先进传感器技术、数据传输技术、数据挖掘与信息融合技术、健康评估与故障预测技术、智能推理与决策支持技术等,最后展望了PHM技术的发展趋势。     

射线追踪法应用于传播预测的研究

近年来,随着射线追踪法的发展,利用精确的3维数字地图,使精确的电波传播预测成为现实。但是这种方法有很大的缺陷,文中从现阶段城市3维地图建立现状和控制成本的角度考虑,探索了结合射线追踪技术和传统电波传播预测方法,借助计算机辅助设计分析,实现传播覆盖预测的一种新方法,并尝试实现了一个工程案例,进行了相关分析。     

基于改进灰色GM(1,1)模型的武器系统费用预测

武器系统费用影响因素众多,各因素作用机理复杂,导致费用分布呈波动性和不稳定性。基于此,提出了一种改进的灰色GM(1,1)模型。该模型采用傅立叶级数和马尔科夫链方法,对不稳定武器费用系统的周期和随机现象进行建模,以提高预测精度。实例仿真结果表明:改进的灰色GM(1,1)模型可有效解决不稳定的武器费用预测问题,且具有良好的预测性能。     

基于MT方法的雷达波束可视化实现

复杂电磁环境可视化是目前军事仿真领域的难点和热点.以雷达天线方向图函数为基础,通过科学计算可视化领域中绘制等值面的Marching Tetrahedral方法,绘制出雷达波束在三维空间的形态及其动态扫描效果,并在Matlab环境下验证了绘制出的雷达波束形态的正确性.对生成雷达波束的计算过程进行了优化处理,使之能够应用于实时模拟训练环境.在D3D9.0和VC6.0环境下实现结果表明,生成的雷达波束显示效果逼真、流畅,能够为受训人员提供直观、动态的画面.     

基于并行模拟的多核集群系统性能预测和分析

针对多核集群系统所表现出的新的性能特征,提出了面向多核集群系统消息传递应用程序的并行模拟模型并设计、实现了一个并行模拟器MCPSim(Multi-core Cluster Parallel Simulator),MCPSim在功能模型和性能模型上体现了片内核间、结点内片间以及结点间等三个层次上消息通信的特点,同时支持对应用的消息数量、通信量等的百分比分布的profiling功能,采用PRIMEJ、acobi3D、NPB IS以及HPL等Benchmark程序对MCPSim进行了测试,结果表明MCPSim性能预测的精度优于BigSim,同时能够广泛应用于针对多核集群系统消息传递应用程序的性能分析中。     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。