一种参数曲线实时数控插补计算新方法

根据参数曲线数控插补原理,指出了Taylor展开算法、"参数-弧长"分段拟合算法等常用的参数曲线直接插补算法存在理论上的局限性.给出了一种新的基于牛顿迭代计算的参数曲线直接插补方法,并给出了算法流程.新算法稳定性好、收敛速度快、运算量小、计算结果精度高.仿真实验表明,同Taylor展开法相比,能够在计算量相当或增加不大的情况下将插补进给速度波动率减小102～107倍.     

基于小波去噪半参数回归模型的卫星轨道测量数据预处理方法

由于卫星轨道测量数据中含有非线性误差,使用传统的最小二乘多项式拟合方法对其进行预处理必然会降低定轨精度.在半参数回归模型的基础上,应用小波阈值去噪算法估计并消除观测数据中存在的非线性误差,提出了基于小波去噪半参数回归模型的卫星轨道测量数据预处理方法,以提高数据预处理的精度.对某卫星USB跟踪数据应用该方法进行了仿真,仿真结果表明:该方法可以分离出观测数据中的白噪声和非线性误差,从而可以在观测数据中消除非线性误差的影响,提高数据预处理的精度.     

杂波环境下红外传感器滤波算法

基于定向概率数据关联滤波(DPDAF)算法,根据红外传感器对目标方位角与俯仰角分辨率不同的特性修正了似然函数,并利用等效观测噪声协方差阵修正滤波增益的思想,构造了一种旨在提高红外传感器跟踪性能的修正定向概率数据关联滤波算法.蒙特卡洛仿真结果表明,新算法对红外目标的跟踪具有比DPDAF更好的跟踪性能.     

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。     

球状CuO/PPy复合材料的制备及其吸波性能研究

采用溶剂热法制备了球状CuO,并通过原位聚合法在球状CuO外部包裹PPy(聚吡咯),制备了具有核壳结构的球状CuO/PPy复合材料.随后通过XRD、FT-IR、SEM、TEM等方法对复合材料的形貌和物相组成进行表征,并采用同轴环测试技术分析复合材料的电磁参数,最后根据传输线理论计算吸波材料的反射损耗RL.研究结果表明:...     

一种数据驱动的飞行仿真参数辨识方法

目前飞行参数经验公式针对于不同飞机机型拟合不准确,且传统黑箱算法无法定量表达飞行参数相关性。针对上述问题提出一种基于快速存取记录器（quick access recorder,QAR）数据的飞行仿真参数辨识方法,该方法在多项式拟合算法基础上,增加权重系数分配输入参数在算法中所占比重,利用斯皮尔曼等级（Spearman rank）相关系数计算不同输入参数权重系数。由此设计二元多项式,基于改进算法求解最优多项式系数。仿真结果表明,该方法可有效降低仿真误差。     

基于相对密度的增量式聚类算法

基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。     

目标自动跟踪参数辨识模型的工程化动态辨识

为解决机动目标参数辨识模型工程应用问题,采用扩张状态观测器等先进的非线性滤波算法,从实测的含有观测噪声的目标位置数据的序列中,直接估计出机动目标运动的一阶、二阶、三阶导数,并结合目标运动模型辨识的理论算法,在工程应用上首次实现了机动目标运动模态和运动模型的双重动态辨识,完成了目标模型动态辨识的工程化设计.     

舰艇电力系统稳态参数计算方法的研究

提出了一种基于网络的方法--"节点电势法",该方法适用于任何复杂结构的电力系统,并充分考虑了电动机参数、机械负载特性等对系统稳态参数的影响,计算精度高,方法简单,易于计算机实现,收敛性好,且具有较好的延伸性.     

四参数寿命分布S(α,β,λ,μ)

本文提出一个具有密度函数 (α>0,β≠0,λ>0,μ≥0)的四参数寿命分布S(α,β,λ,μ),然后证明了它的一些基本性质,据形状参数对(α,β)的不同取值,找出了失效率λ(t)关于时间t的五种变化规律:不变;递减;递增;先增后减;先减后增,并显示出不变失效率是其余四种失效率当(α,β)→(1,1)时的极限。