通用导弹告警设备的试验和研究

导弹在进攻时,其截面相当于一个偶极子天线或单根箔条,利用导弹对特定频率雷达信号的谐振特性来增大目标的散射截面积。通过反辐射导弹告警实验设备系统的实弹打靶试验,验证了该理论的正确性和可行性。     

齿轮箱振动测试与分析

在对某型齿轮箱的模态、振动烈度和振动加速度进行测试的基础上,详细分析了测试结果.模态测试得到了齿轮箱的振型和模态参数,振动烈度测试结果表明该齿轮箱处于良好工作状态,振动加速度测试结果显示该齿轮箱的减振措施达到了预期的效果.最后,对测试提出了建议.     

Nb掺杂对双钙钛矿化合物Sr2FeMoO6电阻特性的影响

系统地研究了双钙钛矿结构氧化物Sr2FeMo1-xNbxO6中Mo位的Nb替代效应,发现Nb替代Mo可强烈抑制Sr2FeMoO6的金属导电性,并大大提高掺杂样品的电阻值和庞磁电阻特性,在5K下,Sr2FeMo0.6Nb0.4O6的庞磁电阻分别达到23%(1T)和31%(3T),在室温下,Sr2FeMo0.75Nb0.25O6的磁电阻分别达到4%(1T)和6%(3T).     

论国防费结构的发展特性

国防费结构的发展既是军队战斗力增强的内容,又是军队战斗力增强的原因。假定军队战斗力与国防费投入直接相关,那么国防费结构就使军队战斗力具有了层次性。由低能级向高能级结构移动意味着军队战斗力增强、意味着陆军非主力化。国防费结构升级的“质变效应”使军事发展划分为机械化前期、机械化时期和信息化时期等战斗力质量飞跃的发展阶段。国防费结构优化的标准是符合国防费升级规律和本国的军事发展需要。     

军用卫星系统中混沌直扩码序列的研究

本文根据单峰映射产生混沌序列极易被攻击的特点,采用高维的混沌系统来设计混沌扩频序列。针对n维非线性数字滤波器产生序列的周期和分布特性,我们在结构上作了相应的设计。产生序列的数值分析表明：其性能与理想随机序列一致,与传统扩频序列相当。由于混沌扩频序列具有周期任意、码族数目多、保密性好等优点,特别适合在军事卫星扩频系统中应用。     

跨模态行人重识别的对称网络算法

针对模态间差异,提出基于对称网络的跨模态行人重识别算法,该网络将基于概率分布的模态混淆与对抗学习结合,通过对称网络产生模态不变特征,从而达到模态混淆的目的;针对外观差异和模态内差异,使用不同隐藏层的网络卷积特征构造混合三元损失,提高网络的特征表征能力.RegDB和SYSU-MM01数据集上的大量实验结果表明了该方法的有...     

Bang-Bang控制方式旋转导弹气动特性数值分析

为研究Bang-Bang控制式鸭舵对旋转导弹气动特性的影响,在CFD软件中采用嵌套网格方法模拟导弹的旋转和鸭舵的偏转,对Bang-Bang控制式旋转导弹在不同攻角、马赫数和转速下的气动特性进行了数值模拟,得到了气动特性变化规律。研究表明,因鸭舵洗流方向的改变,耦合导弹自旋会导致弹体和尾翼的侧向力发生突变。通过与不控鸭舵的旋转导弹进行对比,采用Bang-Bang控制式鸭舵的旋转导弹的周期平均侧向力系数变小,周期平均法向力系数变大。由于侧向力的存在,导弹在一个周期内的合力会偏离竖直方向,合力偏离竖直方向的角度随着马赫数、自旋速率和攻角的增大而减小。     

考虑区间弹性连接的结构动力学特性研究

基于动态子结构方法,将结构中的弹性连接单独划分成一个独立子结构,并利用零质量空间梁单元对其进行等效,分别基于频域子结构方法(FRF-based Substructuring Method)和模态综合法(Component Mode Synthesis)对考虑弹性连接的结构固有频率和频响函数进行了推导.基于此,将空间梁单元的弹性模量和比例阻尼系数设成区间参数以模拟弹性连接的区间不确定性,基于区间因子法(Interval Factor Method,IFM)分别给出了考虑区间弹性连接结构固有频率和频响函数的区间上下限,从而形成了两种计算分析方法,即CMS-IFM和FBSM-IFM.通过仿真将两种方法与Monte-Carlo模拟方法的计算结果进行了对比,结果表明:CMS-IFM和FBSM-IFM正确高效.     

串联增强型四轨电磁发射器轨道电磁特性分析

为更好地评估串联增强型四轨电磁发射器轨道的发射性能和使用寿命,研究了串联增强型四轨电磁发射器主、副轨道内部的电磁场特性以及所受的电磁力.构建了串联增强型四轨电磁发射器轨道的物理模型,在此基础上,提出主、副轨道的磁场模型和所受电磁力的计算公式.采用有限元分析方法,仿真比较了串联增强型四轨电磁发射器主、副轨道内部的电流和磁场分布以及所受电磁力的大小.结果表明:串联增强型四轨电磁发射器主轨道比副轨道的电流集中现象更明显,所处的电磁环境更加恶劣且要承受更大的电磁力.     

基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.