非晶碳类金刚石薄膜摩擦学特性及其应用

综合地介绍了类金刚石膜研究现状,着重说明了非晶碳类金刚石薄膜的摩擦学特性,分析了沉积方法、掺杂元素、摩擦环境、基体及对偶材料对其摩擦学特性的影响。最后,简要说明了非晶碳类金刚石膜应用情况。     

基于非合作博弈的动态人机系统功能分配法

在复杂多功能人机系统中,合理的人机功能分配非常重要.设计可靠的系统功能分配方法是对人机系统功能合理、高效分配的关键.基于非合作博弈的思想,将系统功能分配目标视为博弈方,运用模糊聚类算法将人机功能聚类,确定各博弈方的策略集,从而提出一种新的人机系统功能动态分配方法.并以民航运输机执行某次飞行任务下的系统功能进行分配为案例,验证了该方法的有效性.     

装甲车轮毂电机自适应预测控制

针对经典有限集模型预测控制(FCS-MPC)算法在无位置传感器控制应用场合依赖电机参数匹配精度等问题,提出一种参数自适应设置改进的FCS-MPC预测控制算法,算法将系统干扰等未建模因素折算为改进模型的等效电压总误差,并依据Popov超稳定性定理推导出改进模型参数的自适应律,实现等效总误差和总电感在线辨识估计,进而推导出电机转位置观测器的辨识表达式,实现改进算法的自适应预测控制,结合补偿后低能滤波和均值修正有效消除直流偏置量,进一步提高位置观测精度.仿真实验结果表明,改进算法在电机不同工况和负载下能准确估计转子的位置,验证了算法的有效性.     

基于改进NSGA-III算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害.基于此,在NSGA-III算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构.最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题.     

基于谱聚类的扇区划分

为了使有限的空域资源得到合理的利用,同时平衡管制员的工作负荷,研究了基于谱聚类的扇区划分问题.提出了点的靠近程度,结合对实际航迹数据的检测,建立了带有权重的空域网络结构模型;利用谱聚类算法对空域中的关键点进行聚类,解决了管制扇区划设时协调负荷过大的问题,通过voronoi图生成扇区边界并进行几何修正;利用提出的方法,以太原地区的空域为例进行分析,并结合了TAAM仿真,验证了该扇区划分方法的有效性和合理性.     

炮控系统性能参数检测平台设计与实现

在火控系统的调试、检测过程中,炮控性能参数的测试是一个关键环节.而在传统的炮控系统参数检测中,主观因素过多,精确性没有保证.为解决该问题,设计并实现了一种自动化的炮控系统性能参数检测平台.该平台基于工业相机、图像采集卡等硬件,通过图像采集以及预处理等软件模块对目标进行成像,图像分析处理模块对各种影响因素进行修正.基于该平台的最终测试结果表明,平台检测效果良好,可满足装备需求.     

未知数量稀疏源盲分离的一种新方法

提出了一种新的用于未知数量稀疏源盲分离的统一方法。为了改善聚类分离的精度,该方法选取混合空间中半径给定的、中心位于原点的超球面以外的所有数据点,然后将这些数据点映射到中心位于原点的单位超球面上以得到集合Cy。由此,原来的聚类变为致密聚类,各聚类互相重叠的现象几乎消失。随后,先通过关于Cy的聚类分离来估计混合矩阵,再根据混合矩阵估计源,其中最佳不相似阈值和相应的聚类数量是自动生成的。计算机仿真结果验证了该方法对具有不同程度稀疏性源的有效性。当源充分稀疏时,重构信噪比大约是300 dB。因此,该方法精确、便利。     

大容量蓄电池组的数学建模及参数辨识

建立了铅酸蓄电池组的数学模型,采用对大容量铅酸蓄电池组进行突加扰动的试验方法,对不同容量的蓄电池组开展了实验研究,验证了所建模型并辨识出蓄电池组的参数。通过对不同状态的蓄电池组的参数辨识,发现其参数几乎不变。     

叶片数控加工关键技术及切削参数优化

从涡轮叶片的叶型特点出发,综述了叶片数控加工的方法及技术的发展现状,并着重论述了叶片数控加工的几项关键技术叶片造型、叶片加工方式与刀具路径规划、叶片加工变形控制等.以表面粗糙度与切削效率为评价指标,完成了以切削深度、主轴转速、每齿进给量和走刀行距为切削参数的叶片铣削工艺试验研究,通过极差分析法考察了切削参数对表面质量和加工效率的影响规律,最终得到叶片铣削的最优工艺方案.     

一种基于多组PSO的支持向量机参数优化算法

支持向量机具有优良的学习能力和推广能力,然而其性能依赖于算法参数的选取.在粒子群优化算法的基础上,提出了一种基于多组粒子群优化的支持向量机参数优化算法,该算法将各粒子自动分成多个组,能较快地在支持向量机算法参数取值范围内搜索到相应数据的算法最优参数和最优性能.