Su-34超音速、多用途双座战斗机

在2002年的中国珠海航空展中,俄罗斯展区有一架酷似苏-27战斗机却又有别于苏-27的战斗机,再次吸引了人们的目光。实际上,她就是多次在世界航展上频频露面的苏-34多用途战斗机,近几年来,这架样机频频亮相于世界各大航展,她在向人们展示苏霍伊设计局得意之作的同时,也力争在日益激烈的世界战斗机市场上寻找合适的“婆家”。     

2003年全球新锐水面战舰扫描

随着冷战的结束,世界朝着多极化发展,海军的战略重点从远洋转移到近海,大多数争端地区的作战方式将从沿海向内陆攻击发展。经过无数次虚拟启动和艰苦的资金、技术努力之后,众多主要海军国家和地区均在本年度投入到具有“技术冒险”性质的大规模水面战舰建造计划中,截止今年11月初,各国和地区约有近40艘新舰建成下水服役,鉴于这些21世纪头10年内出现的水面舰艇具有极强的指导和前瞻性,本文将对它们进行一番简要介绍。     

一代枪王——卡拉什尼科夫

20世纪中叶以来,在世界上许多燃起硝烟战火的地方,都在使用一种叫做“卡拉什尼科夫”的自动步枪。这就是由俄罗斯人米·季·卡拉什尼科夫分别于1947年和1974年研制成功的AK-47和AK-74自动步枪及其变型枪。凭借着操作简单、安全可靠、价格低廉的优势,以及后座力小、重量轻、有效射程远、既可单发又可连发的技术性能,卡拉什尼科夫自动步枪备受亚洲和非洲国家军队的青睐。 据美国轻武器专家伊泽尔博士统计,目前全世界仅AK-47的总产量就高达4000万支,是世界上生产数量最多的一种自动     

地面武器

M1主战坦克是美国利马坦克工厂20世纪80年代初生产的。该坦克一出世,就以其优良的性能,特别是一流的防护能力而受到世界各国瞩目。M1基本型的战斗全重为545吨,坦克乘员为4名,最大时速达72千米/小时。     

Matlab在装甲车发动机性能试验数据处理中的应用

数据处理是发动机特性试验的一个重要内容,是测取发动机各项指标,进行动力性、经济性分析的前提和基础。利用Matlab强大的数据处理功能和绘图功能对发动机的性能试验数据进行处理,并采用神经网络学习发动机外特性曲线的方法得到曲线,既提高了工作效率,又可得出较为精确可靠的动机外特性曲线。     

防空群(团)指挥所指挥决策建模及性能分析

在防空作战指挥自动化系统的论证和初步方案阶段,急需建立相应的仿真模型以对其功能和性能指标进行评估和预测,从而进一步增强论证工作的科学性和指导性。本文就防空群指挥所的指挥决策过程进行了建模,并通过示例给出了系统的稳态概率、流通率、瓶颈点和平均时延等性能指标的分析方法,供装备论证人员参考。     

基于防空预警使命的预警机系统效能分析

对预警机的防空预警效能提出了使用SEA进行分析的方法。首先介绍SEA的基本原理,阐述了预警机遂行防空预警使命系统效能分析问题,给出了预警机的使命描述、性能量度、系统映射与使命映射,重点研究了性能量度的系统映射模型,提出了基于防空预警使命的预警机效能计算方法,有助于后续预警机综合系统效能研究。     

基于协方差矩阵重构的方向图保形算法

现代雷达探测过程中需要采用自适应波束形成技术,在干扰处形成零陷从而消除干扰的影响。然而,波束产生零陷的同时也会导致主瓣波束产生畸变,严重降低了目标检测能力,针对波束保形问题,提出了一种具有波束保形的(worst-case performance optimization, WCPO)最差性能最优化算法。该算法通过对空间中不包含目标信号的区域进行积分来获得一个重构的干扰-噪声协方差矩阵,接着引入一个二次惩罚项使得重构的协方差矩阵满足凸优化条件,最后通过凸优化理论得到权矢量的最优解。区别于传统WCPO算法,该算法在相同条件下有着更高的输出信干噪比(signal-to-jamming noise ratio, SINR),并能在主瓣同时存在多个干扰,且不需要干扰信号先验信息的情况下实现主瓣波束保形。仿真验证了算法的有效性。     

基于CFD仿真的扑动模式对扑翼气动性能影响研究

为了研究扑翼运动模式对气动性能的影响,基于CFD软件建立了一种多自由度扑翼气动性能计算模型。首先,结合翅翼的仿生外形建立了三维仿生扑翼模型,通过编写用户自定义函数(UDF)定义了翅翼的多自由度扑翼气动函数,在此基础上,运用CFD软件对不同自由度运动模式下翅翼的升力和推力系数进行计算;最后,结合翅翼表面的压力云图和涡结构变化揭示了运动模式对三维扑翼的气动力影响特征。结果表明：在扑翼迎风水平前飞时,扭转运动加快了翅翼尾缘涡的脱落进程,增强了尾缘涡的的强度,使扑翼的升力在数值上提升了0.25倍,推力系数则提升了4.69倍;水平挥摆运动会进一步增大尾缘涡的强度和形状,显著提高了扑翼的推力性能,并且当水平运动频率调控参数k=2时,扑翼的升力和推力性能会得到进一步提高。     

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...