激光冲击“残余应力洞”的参数影响

在激光冲击强化过程中,光斑边界处会产生表面稀疏波,并向光斑中心传播、汇聚,使中心区域材料发生反向塑性变形,造成光斑中心区域残余压应力缺失,从而形成材料表面"残余应力洞"现象。利用ABAQUS有限元软件进行了圆形高斯光斑的激光冲击强化数值模拟,讨论了不同材料和模型尺寸、激光冲击参数等因素对"残余应力洞"的影响规律。结果表明,随着冲击波峰值压力、冲击波作用时间、冲击次数的增加,"残余应力洞"现象随之加剧;而随着材料动态弹性极限、光斑大小、冲击波上升时间、光斑搭接率的增加,"残余应力洞"现象则会随之减弱。该研究可为后期激光冲击强化光斑光学整形技术的应用,以及基于残余应力场优化的工艺设计提供依据。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。     

基于WiMesh网络的参数注入协议设计与实现

WiMesh网络是一种新型的宽带接入无线网络,它融合了Ad hoc网络和无线局域网的优点,具有自组网、自修复、自管理等特点,逐渐成为一种有效的无线宽带接入方案。简要介绍了WiMesh网络的主要特点,并提出基于WiMesh网络的一种参数注入协议,实现智能化参数加注,进而优化网络通信质量。     

美国政府和军方对反战言行的钳制

美国政府和军方在美国发动和参与的历次战争中除了宣扬战争的正义性和崇高性外,还不遗余力地钳制反战宣传、反战言论和反战人士,主要手段包括制定法律、引导舆论、限制新闻报道、妖魔化反战人士等,以确保民意对战争的支持以及战争行为的正常进行,实现战争宣传的终极目的。     

水下航行体惯性类水动力系数的计算方法

为了系统地计算水下航行体全套惯性类水动力系数,提高计算效率和计算精度,通过基于无粘模型的计算方法对水下航行体的运动进行了预报;通过UDF及动网格技术,对匀速运动和匀加速运动的SUBOFF模型进行了分析.设计了单方向速度线性变化的匀加速直线运动和匀加速回转运动,并通过换算和数值拟合处理得到了潜艇所受的惯性力和惯性类水动力系数.该系数与试验误差保证在6％之内,验证了所提方法的可行性及准确性.     

相邻磁化磁体单元磁场等效合并特性分析

为了研究物性相同的相邻磁化磁体进行磁场等效拟合为单磁体的合理性,基于圆环电流理论磁体单元建立了相邻磁化磁体磁场计算模型;通过计算相邻磁体空间球面上的磁场,以等效磁场模量绝对误差最小建立了单磁体物性参数等效拟合反演目标函数,使用遗传模式搜索算法进行了反演参数求解。研究结果表明:拟合单磁体与原相邻磁化磁体单元的磁远场分布一致,磁场等效拟合磁通密度模相对误差随拟合球面半径增大而减小,同一球面上相对误差随外磁场夹角增大而先增大后减小,相对误差与材料磁各向异性及单元绝对边长无关。研究结果论证了磁化磁体单元磁场等效合并的合理性,能够为隐蔽性铁磁体所致磁异常数值模拟单元合并提供理论依据与误差评价准则。     

F-K热着火模型的解析求解及其在舰船防火设计中的应用

利用解析方法对具有在无限大平面和无限长圆柱形状反应体系的F-K热着火模型的临界着火参数进行了求解,并对舰船上符合无限大平面和无限长圆柱形状反应体系条件的典型场所进行了最低耐温计算。解析求解及算例分析的结果表明:该热着火模型可通过解析方法直接求解,而不用复杂的数值逼近方法;在对具有简单几何形状的反应体系进行防火设计和火灾风险评估时可以直接应用F-K热着火模型进行计算,从而减去了复杂而繁琐的大型数值仿真工作。     

对称方形环结构电磁超材料的设计与仿真

基于Smith提出的金属细线阵列与开口谐振换(SRRs)周期结构能在某一频段内实现双负特性的原理,对圆形SRRs结构进行了改进,提出了一种不相互嵌入、对称的开路谐振环结构。与Smith提出的谐振结构相比,该结构也能够实现特定频域的双负特性,且结构上下、左右都具有对称性,电流分布形态更加合理,电磁性能更加优良。     

基于目标运动特征和TOPSIS决策的多目标选择方法

针对现代水面舰艇所布放的箔条、角反射器(体)等无源干扰设施严重影响导弹导引头选择真正舰船目标的现象,提出了一种基于目标运动特征属性信息和改进的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)的多目标选择方法。通过将多目标选择问题等效成多属性决策问题,借助目标的运动特征,改进了理想解和负理想解的确定方法,最终得到决策模型。仿真试验表明:该方法简单有效,适合于工程应用。     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。