复合材料层合圆柱壳的动力响应与层间应力

采用分层壳理论和厚度方向的二次插值函数推导出正交铺设层合圆柱壳的动力响应方程,并得出简支层合圆柱壳自由振动问题的解.对于给定算例,计算出的自振频率与三维分析的结果吻合良好,说明所推导的二维解具有足够精度.计算了前四阶模态对应的壳中应力.计算结果说明,对于高阶模态,层间应力相对于面内应力的比值远高于低阶模态的对应比值,高的层间正应力是高阶模态导致脱层破坏的主要原因.     

金属/高聚物夹层阻尼板的阻尼特性及其应用

本文在制备出金属／高聚物夹层阻尼板的基础上,分析了影响夹层阻尼板损耗因子的一些因素,结果表明,温度和阻尼层厚度等对阻尼板损耗因子有较大的影响;另外在直流接触器中,将衔铁进行了阻尼处理,并讨论了衔铁吸合时的振动特性     

声腔应用于液体火箭发动机不稳定燃烧抑制中的特性研究

本文针对抑制液体火箭发动机不稳定燃烧的声学装置——赫姆霍兹声腔和四分之一波长管声腔进行了研究。讨论了在声腔设计安排中正确选择声腔的数目，且比较了不同长度声腔的阻尼特性。通过考察声吸收系数的方法来最优化系统的阻尼，得到了可供设计参考的结论。     

用配点法求解四边搁支板的弯曲问题

根据弹性薄板微分方程的一般解和边界条件的配点法来求四边搁支板的弯曲问题,并以对称荷载作用下的正方形板为例进行了分析计算。     

浅海中船舶轴频电场建模方法

为了对浅海环境中的船舶轴频电场进行建模,以基本模拟单元——水平时谐电偶极子为例,根据惟一性原理结合边界条件求解赫兹矢量势。通过电磁场与赫兹矢量势的关系式,推导了其在浅海环境下在海水中产生的电磁场的计算公式。对水平直流电偶极子在三层介质下的电磁场分布进行了求解,对其在海水中产生电场的空间分布特性及通过特性进行了分析。在实验室中模拟浅海海洋环境和水平时谐电偶极子,将水平时谐电偶极子和直流电偶极子在轴频段的电场分布仿真结果与实际测量结果做对比。结果表明,时谐电偶极子实际电场分布与理论计算结果一致,证明了推导过程和所得解析表达式的正确性;水平直流电偶极子在对轴频电场的信号包络中进行求解时建模精度高,可替代水平时谐电偶极子的计算模型,且具有更高的工程实用性。     

舰船对空作战效能的多层次Fuzzy综合评判

介绍了影响舰船对空作战效能的各种因素,详细分析了多层次模糊(Fuzzy)综合评判的数学模型,用此数学模型对舰船对空作战效能进行了模糊综合评判,这种方法是用精确的数学来描述作战效能分析中的模糊现象和专家经验,为专家们评判舰船对空作战效能提供一种新的办法.     

拦截高速机动目标的最优制导律

对于远距离拦截高速、大机动目标,不仅拦截弧段长,拦截飞行时间也更久。拦截弹在飞行过程中的能量管理与优化问题,也是在拦截制导律设计时必须要考虑的问题。将非线性弹目运动关系降阶简化后,运用最优控制理论,将能量管理纳入考虑中,得出针对高速、机动目标的最优制导律,且可以满足终端碰撞角约束。通过引入分段线性和指数两种形式的阻尼,使得导弹在拦截高速高加速目标时,对目标机动的敏感度随弹目距离变化,从而达到能量管理的目的。通过二维非线性仿真验证了制导律的性能。     

一种联合作战兵力模型求解方法

通过对联合作战兵力的合理选取和配置,在满足作战需要的基础上,实现作战资源消耗的优化是联合作战筹划要解决的重点问题。在规范交战模式和兵力势能的基础上,提出了基于资源约束的联合作战兵力势比模型,并提出了基于Matlab动态规划的模型求解方法。应用案例结果表明,该模型和方法能够较好地解决联合作战兵力规划问题。     

军用电源系统中无源阻尼LCL滤波器的研究

LCL型滤波器以其优越的高频衰减性能在变流器中得以普遍应用。针对LCL滤波器应用于军队电源系统时出现的谐振尖峰现象,因此,使用常见的电容阻尼方法和分裂电容阻尼方法对该类型的滤波器作出相应的改进,为观测改进后的效果,从阻尼效果及功率损耗两个评判指标对上述两种方法开展分析研究工作。提出一种特殊的控制策略,该策略外环使用自抗扰控制,内环使用PI控制。以所提出的控制策略为基础,对两种不同阻尼方法下的滤波器进行仿真研究,仿真的结果显示,分裂电容阻尼方法对减少LCL滤波器所引发的谐振有更好的抑制作用,降低了并网电流的谐波畸变率,证明了设计的有效性和优越性。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。