再入机动弹头滚动回路鲁棒姿态控制系统设计

根据经典控制理论,引入姿态角加速度反馈,采用零、极点相消,变增益补偿等设计方法,所设计的再入机动弹头滚动回路姿态控制系统具有良好的快速性、稳定性和很强的鲁棒性。     

关于小高炮射击偏差观测方法之我见

小高炮射击偏差观测的提前时间观测时机法与传统的等距法,两者的观测时机虽不同,精度也不同,但从原理上讲,都是一种近似方法,不能说哪个原理上有问题,哪个原理上无问题。从部队现装备看,在部队日常训练打靶中,前者的观测时机更易于把握,作为现装备的一种革新,有研究必要。     

尾喷流底部流场与外流场干扰的拓扑结构数值模拟

本文从非定常全ＮＳ方程出发，运用时间推进方法，采用有限体积方法离散控制方程，模拟了轴对称钝锥尾喷流场与外流场的干扰，得到了随时间发展的精细的流场拓扑结构，并对几种出口压力比的不同情况进行了比较和分析。     

随机环境中的M/MY/1排队系统

文献［４］讨论了随机环境中的Ｍ／Ｍ／１排队模型，本文提出和讨论随机环境中的Ｍ／Ｍｙ／１排队模型，在统计平衡条件下给出了队长和等待队长的平稳分布以及平均队长和平均等待队长，得到了等待时间和逗留时间分布以及平均等待时间和平均逗留时间。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

前置点比例导引制导律对抗拖曳诱饵研究北大核心

以典型拖曳式诱饵干扰模式为设计对象,结合导引头跟踪诱饵的工作模式和前置点比例导引制导律的设计,对末制导抗拖曳干扰导引方法进行了理论推导与分析,为导引头抗拖曳诱饵干扰措施的设计与验证提供了理论依据。     

机电系统故障—时间应力的关联分析技术研究

时间应力测量装置技术是一种测量和存储各种应力数据以及对这些数据进行挖掘与分析的技术。简要介绍了时间应力的基本概念及其研究应用的发展历程。在此基础上,提出了基于故障模式、影响及应力分析(FMESA)的时间应力与机电系统故障的定性关联分析方法和基于多元logistic回归的定量关联分析方法。最后,以某型航空地平仪为对象进行了案例研究。案例分析结果表明,文中提出的时间应力与机电系统故障的关联分析方法能分析出影响系统性能的关键应力因素,为机电系统的故障诊断及故障预测提供基础。     

基于TSMD-SVM-HMM的机内测试智能降虚警方法

机内测试虚警问题是影响系统完好性和使用保障费用的重要因素。针对环境因素导致的虚警问题,设计了时间环境应力测量装置,应用支持向量机的小样本学习优点,建立虚警与环境因素的关联关系,应用隐马尔可夫模型的连续动态信号处理能力,描述系统长期工作历程中虚警的发生规律,提出了基于时间环境应力测量装置-支持向量机-隐马尔可夫模型的机内测试智能降虚警方法。最后,在某型直升机航向姿态系统上进行了应用与验证,试验结果表明:该方法有效识别出了机内测试的虚警。     

基于一致性群组算法的多无人机自主协同任务分配

多无人机自主协同是当前无人机参与空战的趋势,无人机具有基于信息共享的自主任务分配能力对提高其自主作战能力具有重大意义.首先,采用基于竞拍的一致性算法解决单个无人机完成单个任务的任务分配问题.其次,采用基于一致性的拍卖包算法解决单个无人机完成多个任务的分配问题.然后提出了一致性的群组算法,解决了多无人机到多任务的任务分配...