细长体高速风洞超大攻角支撑干扰数值分析

为改进试验技术、提高超大攻角下试验数据精准度,开展模型支撑干扰影响分析,针对细长体在高速风洞超大攻角试验中遇到的支撑干扰问题,采用数值模拟方法对侧撑和分段式支撑（尾撑/背撑）方案在亚、跨声速下的干扰进行了分析。数值模拟结果表明：整体而言,分段式支撑的干扰量较小,进行静态测力试验应尽量选用分段式支撑方案;侧支杆由于横穿流场,其引起的激波、膨胀波会显著改变模型的压力分布,在选用侧撑方案开展0°～180°连续动态试验时,需要开展流场干扰分析,并结合数值手段进行支撑干扰修正。     

空投水雷入水及水下弹道的设计与仿真

水雷空投可以增加布雷的隐蔽性和突发性.针对空投水雷入水及水下弹道进行了研究.在建立了六自由度的水雷水下弹道数学模型和水雷入水击水力计算的数学模型基础上,通过实例对水雷的水下弹道在Matlab/Simulink环境下进行了仿真计算,最后给出相应的仿真结果和分析.仿真结果显示水雷弹道稳定,证明了基于Matlab/Simulink的空投水雷水下弹道仿真方法是有效可行的.     

高能量强夯在处理湿陷性黄土地基和不良地质体工程中应用研究

结合某工程采用6 000 kN·m高能量强夯处理湿陷性黄土地基和人为采金遗留的不良地质体的工程实践,分析研究了高能量强夯的加固机理、施工工艺、有效加固深度、影响深度的计算方法及有关参数,探讨了该技术处理湿陷性黄土地基和不良地质体的优点与适用性等问题.     

航测首枚潜射导弹纪实——访我国第一代舰载机特级飞行员陈金龙

2007年初夏的一天，伴着凉爽的海风，笔者在美丽的海滨城市——青岛，有幸地采访了我国第一代舰载机特级飞行员、二等功臣陈金龙，与他谈起当年完成我国首次潜艇水下发射火箭（导弹）飞行试验航测弹着点时的情景，两鬓斑白的陈老谈及往事，感慨万千，沉浸在往事的回忆中。     

无人水下航行器发展

本文简要回顾了无人水下航行器（UUV）的发展过程,分析了UUV的发展现状及其特点、使命和功能,探讨了UUV的军事应用情况及其发展重点和应用前景。     

美俄核潜艇设计思想比较

核潜艇具有速度快、续航力大、装备武器数量和种类多、能长期在水下活动、可执行多种作战任务等优点。可以说,核潜艇的出现是潜艇发展史上的一次革命;拥有核潜艇能使海军获得更大的成慑力和更强的作战能力。因此,许多国家都对核潜艇思之若渴,无不想获得1艘。然而,核潜艇昂贵的建造和维护费用、复杂的技术,让世界上     

潜艇的承载力与水下动力抗沉

阐明了潜艇承载力图谱的一种新算法,分析了危险舵卡的基本挽回方法及其衡准,论述了当前水下动力抗沉的实用方法及评价指标.     

包覆式复合侵彻体的数值模拟研究

为增强聚能装药对目标的后效毁伤效应,设计了一种包覆式复合侵彻体装药结构,在爆轰波的驱动下,紫铜药型罩后翻包覆活性材料,穿透目标后,活性材料释能对目标内部实施纵火后效毁伤。运用LS-DYNA有限元软件对包覆式复合侵彻体的成型及侵彻靶板过程进行模拟,分析了活性罩直径、外曲率半径和罩顶厚度比对包覆式复合侵彻体成型的影响。结果表明：将活性材料嵌入紫铜药型罩内侧,在炸药驱动下可以实现对活性材料的包覆;当活性罩直径取值为0.86D(D为装药直径)时,外曲率半径取值为1.15D,壁厚比取值为2/3时,复合侵彻体包覆效果较好;包覆式复合侵彻体能穿透30 mm厚45#钢靶,并能对后效靶造成毁伤。     

自主水下机器人布放回收技术综述

对水下机器人布放回收这一领域的研究进行了综述并对未来研究进行了展望。首先分析了水下机器人布放回收的不同方式,主要可分为水面有人舰船、水面无人船、潜艇以及大型水下机器人布放回收方式。接着举出不同回收方式的国内外例证并对其优缺点进行总结。随后探讨和分析了实现布放回收所需的关键技术,包括自主对接技术、定位引导技术、锁紧定位技术及对接回收策略,并对技术现状及装备进行举例分析。最后对水下机器人布放回收的研究方向和重点进行了展望。综述表明,水下机器人布放回收的结构和所需关键技术还需持续研究,特别需要关注的是随着布放回收技术研究的不断深入,未来水下机器人布放回收系统将向自主化、无人化、通用化发展。     

2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。