岩土材料损伤演化规律研究

损伤演化规律是损伤本构理论研究的核心问题,已有的岩土损伤演化方程还存在很多问题,因而给出一个具有理论依据的损伤演化方程具有十分重要的意义。对当前岩土材料损伤演化规律的研究进行了总结分析,认为利用能量耗散原理建立损伤演化方程是一个可行的办法。从损伤是耗散能量的过程这一基本性质出发,建立了一个适用于结构性土体的损伤演化方程。     

电传操纵系统可靠性分析及飞行安全评估

分析了电传操纵系统可靠性,介绍了可靠性设计的工程方法.建立了飞行员排除故障的数学模型,提出了确定驾驶员排除飞行危险的条件概率的两种方法;在研究人-机闭环系统基础之上,建立了基于马尔可夫链的飞行安全评估模型,提出了由于飞行控制系统故障引起飞行危险的安全评估计算方法.最后以横向通道传感器故障为例对某型飞机进行安全评估.     

高速冲击下金属橡胶动态力学特性研究

为探讨金属橡胶在高速冲击环境下的动态力学性能,制备了圆柱实心金属橡胶试件,使用分离式霍普金森压杆(SHPB)开展了金属橡胶的动态压缩试验。分析了金属橡胶动态应力-应变规律,探讨应变速率和弹簧卷外径对金属橡胶的动态弹性模量、动态峰值应力、能量吸收和理想能量吸收效率的影响规律。结果表明,动态应力-应变曲线分为弹性形变阶段、局部塑性变形阶段和破坏阶段,动态弹性模量和动态峰值应力均表现出典型的应变速率效应,且均随弹簧卷外径的增大而减小。此外,随着应变增大,能量吸收性能随应变速率增大而逐渐变好,随弹簧卷外径的减小而逐渐变好。理想吸能效率受应变速率影响很小,但随应变增大而逐渐增高并趋于饱和,其饱和值均大于0.75,弹簧卷外径为3 mm时,金属橡胶的理想吸能效率最优,其饱和值达到0.88,表明金属橡胶材料在高速冲击下有良好的吸能抗冲击作用。     

利用XMI实现基于BOM的仿真模型组件的交换

BOM(Base Object Model)是快速构建仿真系统或联邦的可重用信息交互包,基于BOM的仿真模型组件是BOM信息描述的实现体,作为构建仿真系统或联邦的可重用模块。通过应用模型驱动体系结构(MDA,Model-Driven Architecture)提出的实现模型交换标准XMI(XML-based Metadata Interchange),HLA(HighLevel Architecture)仿真模型组件的建模和实现在两个不同层次上实现跨平台、跨语言和跨领域间的交换,而且HLA的重用性和互操作性思想能够在除分布式仿真领域外的其他应用领域中得到推广。     

基于双驱动模型的目标机动行为识别方法

针对目标样本数据和行为知识匮乏、不平衡对空中目标飞行机动识别带来的难题,提出了一种基于数据与知识双驱动的智能化识别方法。采用集成学习的思想将数据驱动的深度学习模型和知识驱动的推理模型融合,既可以弥补推理模型在复杂环境下表现不佳的不足,又可以增加深度学习的可解释性和鲁棒性。利用仿真对比实验验证所提方法的有效性,结果表明：所提算法对目标机动行为识别能力优于仅基于知识驱动或仅基于数据驱动的单驱动系统,准确率达到90.1%。此方法大幅提升了对复杂环境的适应能力和识别准确率,对目标机动行为识别有重要工程应用价值。     

专家系统优化排列准则及时间估计模型研究

军用仿真系统中 ,专家系统作为一个决策软件包 ,满足整个软件系统运行的性能需要 ,因此研究专家系统的推理时间是必要的。专家系统的推理时间与其推理模式、知识库结构等因素有关。针对知识库结构 ,利用时间齐次马尔可夫链为专家系统知识库进行建模 ,并给出了相应的时间估计模型及其排列准则 ,从而可以研究专家系统的实时性。     

类D形战斗部装药能量输出优化数值模拟研究

为解决类D形截面战斗部装药能量输出均匀性差的问题,设计并优化了多点起爆方式,基于AUTODYN有限元数值模拟,研究了不同起爆方式下类D形截面战斗部爆轰波的传播过程,分析破片速度及空间分布规律;研究了不同截面形状对装药能量输出均匀性的影响,探讨在最优的起爆方式下不同长径比对装药能量输出的影响。研究结果表明,相对于单点起爆,三点起爆条件下破片速度最高615 m/s,且飞散同步性提升60%。随着异形截面形状对称性增加,装药能量输出均匀性明显改进。随着长径比的增加,战斗部中部破片平均速度提高67.4%,飞散同步性提高56.6%,且装药能量利用率提高。     

基于CEEMD能量熵与极限学习机的滚动轴承故障诊断方法

鉴于滚动轴承振动信号具有非线性、非平稳的特点以及难以获得大量典型故障样本的现实情况,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)与极限学习机(extreme learning machines, ELM)相结合的滚动轴承故障诊断方法。采用CEEMD方法对滚动轴承非平稳的原始加速度振动信号进行分解,得到若干个平稳的本征模函数(intrinsic mode function, IMF)分量,计算不同状态下滚动轴承振动信号经CEEMD分解后各IMF分量的能量熵,从蕴含着主要故障信息的IMF分量中提取出能量特征,对其进行T分布随机近邻嵌入(T-stochastic neighbor embedding, Tsne)聚类可视化分析,观察特征对滚动轴承状态的反映情况,将特征作为输入建立极限学习机,判断滚动轴承的工作状态和故障类型。使用美国凯斯西储大学公开的人工损伤轴承数据进行仿真实验,对轴承得不同运行状态的识别准确率可以达到95%,明显高于多分类支持向量机、K近邻等方法,该结果表明,所提方法在...