等离子体粒子模拟中的电磁场边界条件

针对等离子体粒子模拟中电磁场边界条件的选取问题 ,对简单吸收边界条件、Lindman边界条件、超吸收边界条件等进行了详细的讨论。结果表明 ,简单吸收边界条件计算量最小、误差最大 ,超吸收边界条件计算量最大、误差最小 ,Lindman边界条件误差较小且其反射系数对入射角的依赖性不大     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。     

利用脉冲激光的片上系统芯片单粒子效应试验

为评估脉冲激光试验对研究SoC(片上系统芯片)单粒子效应的有效性,构建了一个65 nm SoC的脉冲激光试验系统,并进行了试验。提出并采用坐标定位法、有源区聚焦法、ΔZ补偿法等针对大规模倒装焊集成电路的试验方法。对SoC的片上存储器、寄存器文件、RapidIO、DICE触发器等部件进行了脉冲激光试验和分析。结果表明:片上存储器对脉冲激光最为敏感,部件的激光试验与相应的重离子试验现象吻合,利用脉冲激光试验可有效研究纳米工艺下大规模集成电路的单粒子效应。     

单矢量水听器水中多目标方位跟踪方法

采用量子粒子群求解声压和质点振速组成的非线性相关方程组,实现多目标声源方位的估计。为提高精度,应用最小二乘法对测量结果进行拟合并建立预测模型,通过卡尔曼滤波对方位轨迹进行优化。结果表明:单矢量水听器能够同时分辨多个目标方位,解算结果应使用统计特性表示;采用本方法最多能分辨7个目标,目标个数越多,方位误差越大;信噪比越高,分辨率和精度越高,偏差越小;通过数据拟合然后卡尔曼滤波的方法能够有效提高目标方位跟踪精度。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

粒子群算法用于阵元失效校正北大核心

相控阵天线由成百上千的阵元组成,以其独特的优势迅速发展。在实际应用中,由于各种原因会出现阵元失效的情况。严重的影响相控阵天线的使用。由于相控阵天线幅相可控的特殊性,可运用幅相调控的方法对失效阵元造成的损失进行校正。运用粒子群算法对失效后的阵面进行优化,寻找最优解使失效后的阵面达到一个较好的状态,使阵元失效后的阵面天线能降低性能投入使用。     

纳米材料技术及其军事应用

自从扫描隧道显微镜发明后,世界上便诞生了一门以0．1至100纳米这样尺度为研究对象的前沿学科,这就是“纳米科技”。作为以纳米这样的尺度对物质和生命进行研究和应用的科学技术,它以空前的分辨率为人类揭示了一个可见的原子、分子世界。研究纳米技术的最终目的是直接以原子和分子来构造具有特定功能的产品,纳米技术是用单个原子、分子制造物质的科学技术。它是以许多现代先进科学技术为基础,是现代科学(混沌物理、量子力学、介观物理、分子生物学)和现代技术(计算机技术、微电子和扫描隧道微镜技术、核分析技术)结合的产物。纳米技术又将引发一系列新的科学技术,例如纳米电子学、纳米材料学、纳米机械学等。被认为是世纪之交出现的一项高科技。     

气相色谱法测定灭杀杀烟剂中的高效氯氰菊酯

研究建立了气相色谱测定灭杀杀中的高效氯氰菊酯的方法,使用大口径石英毛细管柱分离,氢火焰离子化检测器检测,内标法定量测定了灭杀杀中的高效氯氰菊酯,方法是灵敏,简便,快速,可操作性强,测定结果准确可靠。     

基于粒子群算法的武器装备供应链伙伴选择研究

合作伙伴选择是构建供应链的关键所在,武器装备供应链的构建要满足其战略全局最优、平时战时兼容、效益效率兼备的特殊要求。建立了一种基于离散粒子群算法的武器装备供应链伙伴选择方法。该方法克服了普通商品供应链对全局利益考虑不足的问题,实现了在不同战略时期、不同约束条件和不同成本考虑等情况下的供应链伙伴选择。实例仿真验证了该方法的实用性和有效性。     

基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法

针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题,提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构,保留原始数据信息的同时包含了时间相关性;采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证,试验结果表明,该方法可自适应生成网络结构,平均诊断精度为99%,相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。