随机载荷下疲劳寿命预估计算方法研究

分析了一种用于随机载荷下零构件疲劳寿命预估的有效计算方法 .引入材料所吸收的弹性应变能和塑性应变能等参量 ,在等能量损伤法则下推算出稳态条件下随机载荷的等价常幅应力 ,适用于结构设计阶段和改进阶段或应力响应时间历程无法实测的情况 .     

传感器信号调理电路设计

通过对PWM原理的论述及误差分析得知,采用PWM电路可提高传感器测量系统的精度和可靠性,具有较强的抗干扰能力,且降低了成本。     

一种基于估计熵的自适应模糊滤波器及其在箭遥信号处理中的仿真应用

介绍了一种基于估计熵的自适应模糊滤波器 ,并将其应用于宽带噪声中火箭遥测速变信号的数字滤波。讨论了自适应模糊滤波算法 ,给出了应用实验结果。分析和实验表明 ,这种新型滤波器能根据信号的复杂程度自动调节其参数 ,对宽带噪声中非平稳随机信号有较好的滤波效果     

基于排队论的机要保障装备系统建模与优化

运用排队论的理论和方法对由机要保障装备构成的随机服务系统进行建模和优化.首先通过建模分析得出该系统符合M/G/c/c/(模型,进而从不用的应用角度建立系统效能模型和愿望模型来实现系统的优化设计,最后通过对实验数据的分析得到一些有用的结论并给出效能模型中参数的参考取值范围.     

表贴式永磁电机永磁体涡流损耗有限元计算方法对比研究

脉宽调制(pulse width modulation, PWM)技术广泛应用于表贴式永磁电机(surface permanent magnet synchronous motor, SPMSM)控制,而在PWM电流激励下永磁体内涡流损耗较大。为快速、准确获取涡流损耗,基于电机磁场沿轴向近似均匀分布特性,提出了一种PWM激励下永磁体内涡流损耗有限元(finite element method, FEM)简化计算方法。首先,以3台永磁体轴向分段数目不同的SPMSM为研究对象,对比同工况下简化方法、2D FEM、3D FEM涡流损耗计算结果,结果表明简化方法与3D FEM计算结果误差小于3%,而计算时间远小于3D FEM;然后,基于涡流损耗随永磁体轴向分段增大而减小的特点,通过不同永磁体轴向分段数目的SPMSM,在堵转工况下分离永磁体涡流损耗,验证了简化方法计算有效性;最后,通过实测电机各相电阻计算电机直流铜耗,对实测涡流损耗差值进行修正,进一步验证了简化方法的准确性。     

基于分布式排队网络的防空战术协同模型

分析了多个防空火力单元的作战过程,将战术BM/C3的控制协调决策抽象为决策策略。建立了多个火力单元协同作战的排队网络模型,并运用SPN理论对排队网络的运行机制进行了强有力的描述,有效地体现了防空作战过程中的威胁评估、目标分配等战术决策过程。这将为建立大型复杂排队网络,模拟仿真战役层面防空作战过程奠定基础。     

GSPN的分析方法及其应用

随着计算机和信息技术的发展,广义随机Petri网(G SPN)作为一种图形化的建模工具,不仅可以对系统进行形式化的描述和快速原型开发,而且由于其具有坚实的数学理论基础,可以对系统进行正确性验证和性能评价,因此在系统的设计过程中,得到了广泛的应用。基于结构分析方法、可达图分析和数值分析方法讨论分析了G SPN,并给出了具体的算例,最后讨论了G SPN的应用领域。     

随机布阵条件下同时数字多波束干扰优化设计方法

针对现有方法普遍存在的波束形成算法效率低、难以形成多频点多方向的同时多波束干扰、不适用于随机布阵条件下的波束形成等缺点,提出了一种基于二阶锥规划(SOCP,Second-Order Cone Programming)理论的同时数字多波束干扰形成方法。首先,给出了在随机布阵条件下干扰多波束优化设计问题的数学描述;其次,以范数准则为例,将随机布阵条件下干扰多波束设计问题的解析形式转化为相应的SOCP形式;再次,利用现有的原-对偶内点算法工具箱Se Du Mi或者CVX进行快速求解。最后,仿真结果表明该方法可以较好地解决随机布阵条件下的多频率多方向雷达目标同时多波束干扰优化设计问题。     

星地融合网络的上行链路覆盖性能分析模型

星地融合网络可以提供天、空、地、海立体全场景信息覆盖,满足用户多样的业务需求。针对星地融合网络,提出了基于覆盖概率的星座数和基站数的分析模型（AMCP）。该模型为星地融合网络的上行链路覆盖概率提供了分析方法。表述卫星星座数和基站数对用户信号的干扰,构建满足用户覆盖概率条件下的卫星星座数和基站密度的表达式。通过仿真分析了卫星星座数和基站密度对覆盖概率的影响,仿真结果为设计星地融合网络提供分析基础。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。