基于改进多种群PSO算法的火炮随动系统调节器参数优化

针对传统火炮随动系统调节器参数整定难以达到最优的问题,提出一种基于K-均值与惯性权重指数递减的多种群PSO(KEDM-PSO)优化算法。为保证种群的全局搜索能力得到最优的参数,采用将初始种群划分为多个子群协同寻优的策略。综合考虑系统复杂程度、种群规模、解集的多样性及收敛性,采用K-均值算法将初始种群划分为3个子群,使3个子群协同寻优。为保持种群多样性,各子群不断地聚类重组,动态调整子群规模以更好地进化。子群寻优采用惯性权重指数递减策略,使得算法具有初期搜索范围大、速度快,后期惯性权重小,利于收敛、稳定的特点。试验表明该算法是有效可行的。     

引信惯性加速度开关的设计

针对引信中的普通开关无法满足在碰靶时高过载下可靠接通电路,设计了一种机械式惯性加速度开关,利用炮弹发射时的后座加速度过载使其闭合并且自锁,在碰靶的反向高过载下能保持锁定状态,使电路有效、可靠地接通。仿真结果表明,该开关可以实现可靠闭合自锁。     

基于微惯导随机误差时间序列建模的改进组合导航方法

针对低精度、低成本微机电惯性测量单元随机误差建模效果不理想会极大影响组合导航性能的难题,采用时间序列分析方法建立了微机电惯性测量单元随机误差的自回归滑动平均模型,通过对卡尔曼滤波器的状态变量进行增广,建立系统动力学方程和观测方程,实现对零偏误差的在线估计。实测数据分析验证了该随机误差建模的有效性。实测数据处理结果表明,该方法能够显著提高低成本微惯性解算外推精度,增强微惯性/卫星组合导航可靠性。     

惯性弹体运动预测建模

基于弹道方程的理论建立了来袭惯性弹体的运动预测模型和识别模型,一方面为防空作战从战术前沿拓展到中程以上拦截提供模型基础,另一方面为前沿防空中拦截榴弹、火箭弹类小型目标提供出精度更高的预测模型。最后,研究中成功给出了弹体运动状态预测及识别的计算结果,并得到了真实射表的验证。模型普遍适用于所有来袭惯性弹体的运动。     

互锁卡板式惯性保险机构结构设计及运动特性分析

介绍了互锁卡板式惯性保险机构的基本结构形式及作用原理,并利用Solid W orks三维机械设计软件对3块卡板进行结构设计,并在此基础上,分析了卡板的受力情况及可靠解除保险条件,给出受力方程,计算出卡板及扭簧的相关参数。     

两种主方向问题的解析探讨

本文导出了用解析法确定平面应力状态主平面和平面图形主形心惯性轴方向的计算公式。并能由该公式得出两个主轴方向中哪个为极大值方向哪个为极小值方向。     

基于图像和惯性的头盔组合跟踪原理

不同体制的头盔跟踪定位技术单独使用时都存在一定的原理性性能制约,提高跟踪定位技术整体性能的有效途径是采用组合跟踪。目前综合性能较好的是图像式头盔跟踪,图像式跟踪技术精度高,输出数据平稳,稳定性好,但其缺点是头盔活动范围受制于CCD摄像机视场及头盔大角度转动时头盔本身对CCD摄像机视角的遮挡。惯性跟踪不需要任何外来信息也不向外辐射任何信息,可在任何介质和任何环境条件下实现360°全范围头部跟踪,但其定位精度随时间下降。提出的基于图像和惯性的头盔组合跟踪技术充分利用图像跟踪精度高、长期稳定性好及惯性定位跟踪范围广、跟踪系统简单的优点,达到单个跟踪定位体制不具备的综合性能。     

以身许国 功勋卓著——缅怀著名核物理学家王淦昌

1998年12月10日,中国物理学界的一代宗师、中科院资深院士、“两弹一星”元勋——王淦昌与世长辞,安卧在鲜花丛中的王老神态从容,仿佛小睡之后,又会起来.为中国的科技事业殚精竭虑。据介绍,王老生命的最后时刻,还一直在挂念着由他开创的激光惯性约束核聚变研究工作的进展……     

扑翼微型飞行器翼杆惯性载荷识别

针对扑翼微型飞行器的弹性翼杆,通过其变形特征来识别其受载行为,建立扑翼载荷识别方法。以裸翼杆的往复拍动为对象,首先基于机器视觉测量法,根据翼杆形貌提取翼杆变形挠度,其次使用幂级数重构分布载荷和Tikhonov正则化方法求解惯性载荷,最后通过批量处理,得到翼杆运动过程中的惯性载荷分布。实验表明,翼杆的平均最大分布载荷为30 N·m^-1,识别挠度的平均相对误差为3×10^-5,识别角位移曲线上所有幅值点的平均相对误差为14.8%,识别周期没有偏差,识别的载荷在不同周期内的分布一致。结果表明该方法具有良好的可靠性和实用性,有望用于对带膜扑翼的气动力测试。     

附加运动约束的MEMS惯性传感器融合定姿算法

针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的"双矢量法+EKF"模式有大幅提升。