基于灰色聚类的信息作战指挥协同效能评估

在立足于作战指挥理论的基础上,分析了信息作战指挥协同要素,研究了信息作战指挥协同要素与指挥协同能力之间的映射关系,设计了信息作战指挥协同效能指标体系,利用基于中心点的三角白化权函数对各级指标进行灰色聚类评估。评估结果表明,针对查找信息作战指挥协同活动中存在的短板所提出的改进建议,具有一定的参考价值。     

网络异构信息的张量分解聚类方法

提出基于张量分解的聚类算法,能够同时处理网络中多类型、多语义关系的异构信息。网络信息体系中的各种异构信息被建模为一个多维张量,异构信息之间丰富的语义关系建模为张量中的元素。提出有效的张量分解方法,将不同类型的信息对象一次性划分到不同的簇中。在人工合成的数据集和真实数据集上的实验结果表明:该聚类方法可以很好地处理网络信息体系中的异构信息聚类问题,并且性能优于现有的聚类方法。     

基于改进神经网络的玻璃纤维增强复合材料防弹性能预测模型研究

玻璃纤维增强复合材料是一种在兵器防护领域较为常用的材料,其防弹性能是评价材料特性最重要的指标之一。传统材料防弹性能的评估方法为人工实验对比数据,存在着工作量大、实验方法复杂且成本较高,检测效率低等缺陷,且评估结果容易产生较大偏差。BP神经网络(back propagation neural network, BPNN)能够通过训练自主学习规则,减少输出误差。针对传统材料性能评估方法存在的问题,研究提出了采用BPNN对玻璃纤维增强复合材料的防弹性能进行预测,减少工作量,提高材料防弹性能评估效率。针对BPNN中存在的缺陷,研究采用烟花算法(fireworks algorithm, FWA)对其权值和阈值进行优化。最终,基于改进BPNN模型,构建防弹性能预测模型。实验结果显示,FWA-BPNN模型的预测精度超过了99.5%,而PSO-BPNN模型、GA-BPNN模型、BPNN模型的预测准确率分别为99.00%、98.50%、98.06%。实验结果表明：研究提出的FWA-BPNN模型能够高效率、高精度地完成玻璃纤维增强复合材料防弹性能预测,对我国兵器装备防护领域的发展有着积极意义,可以缩减材料...     

缠绕型碳纳米管增强陶瓷基复合材料的有效刚度和应力分析

以直线型、余弦波型和缠绕型空心碳纳米管增强陶瓷基复合材料的三维特征体积单元模型为研究对象,利用满足精确周期性边界条件的均质化法计算该模型的有效弹性模量和局部应力,分析碳纳米管的几何形状、尺寸和力学特性对碳纳米管复合材料力学性能的影响,并与经典混合法则、Halpin-Tsai法及其他数值模拟的结果进行对比。结果表明：碳纳米管的几何缠绕特性对横向变形有较好的限制作用;缠绕型复合材料的力学性能呈曲线变化,比直线型和余弦波型碳纳米管复合材料更容易受几何特性的影响：缠绕型碳纳米管的最大轴向应力和最大等效应力随碳纳米管外径的增大而增大,但碳纳米管的各向异性会降低碳纳米管的最大应力,导致缠绕型碳纳米管复合材料传递应力的能力减弱;双尺度均质化法和有限元法结合能有效反映力学性能的变化特征,是分析具有复杂微观结构力学性能的有效方法。