Study on dynamic response of multi-degree-of-freedom explosion vessel system under impact load

In order to study the dynamic response and calculate the axial dynamic coefficient of the monolayer cylindrical explosion vessel, the wall of vessel is simplified as a multi-degree-of-freedom (MDoF) undamped elastic foundation beam. Decoupling the coupled motion equation and using Duhamel's integrals, the solutions in generalized coordinates of the equations under exponentially decaying loads, square wave loads and triangular wave loads are calculated. These solutions are consistent in form with the solutions of single-degree-of-freedom (SDoF) undamped forced vibration simplified model. Based on the model, equivalent MDoF design method (also called MDoF dynamic coefficient method) of cylindrical explosion vessel is proposed. The traditional method can only predict the dynamic coefficient of torus portion around the explosion center, but this method can predict that of the vessel wall at any axial n dividing point position. It is verified that the prediction accuracy of this model is greatly improved compared with the SDoF model by comparing the results of this model with SDoF model and numerical simulation in different working conditions. However, the prediction accuracy decreases as the scaled distance decreases and approaches the end of the vessel, which is related to the accuracy of the empirical formula of the implosion load, the simplification of the explosion load direction, the boundary conditions, and the loading time difference.     

基于支持向量机的故障诊断方法及其应用

提出了一种采用模糊手段进行特征提取、支持向量机进行模式分类的内燃机燃油系统故障诊断方法.该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,首先采用模糊手段对故障信号和原因进行特征提取,接着利用支持向量机进行分类实现特征级诊断,最后将其应用于内燃机燃油系统的故障诊断中,取得了令人满意的结果.     

多模态交叉解耦的少样本学习方法

当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。     

基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。     

环境新闻在中国的发展及其特征简析

环境问题已经成为一大社会问题,环境新闻成为媒体和公众关注的焦点。国内环境新闻作为一个新兴的报道题材,已迅速闯进主要新闻传媒的主阵地,并逐渐成为与时政新闻、经济新闻、科技新闻等并驾齐驱的报道领域,成为各家传媒和记者争相采访报道的重要内容。本文从环境新闻的概念与产生入手,分析其在中国的发展。     

基于人工神经网络的特征压缩方法及应用

分析了人工神经网络特征提取方法用于特征压缩的原理,研究了多层网络的隐层提取模型、Oja网络模型和基于Sanger算法的网络模型,以坦克柴油机燃油系统典型故障的特征处理为例,采用Sanger算法对特征参数进行了压缩,实现了特征空间的约简。该方法有利于简化分类器的设计,对于解决复杂设备的状态检测与故障诊断问题具有重要意义。     

基于神经网络的柴油机技术状态主元信息提取方法

在柴油机技术状态监测时,表征其技术状态的特征参数有很多,合理提取状态主元信息是一项关键的任务。分析研究了人工神经网络的信息提取原理和方法。以某型坦克柴油机为例,通过柴油机性能检测试验测取了能够反映柴油机技术状态变化的典型特征,建立了O ja神经网络信息提取模型,提取了柴油机技术状态的主元信息。分析结果表明:提取的主元信息能够反映柴油机技术状态随柴油机使用时间的变化趋势。该方法为坦克柴油机的技术状态监测与故障诊断提供了有效手段。     

一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。     

陆军战术部队用天体系能力研究

以未来信息化战场联合作战为背景,强调天基资源在陆军战术部队作战体系中的重要地位,深入分析美国陆军天基资源运用现状和能力形成途径,从陆军装备转型建设实际需求出发,研究陆军用天(基)体系架构,阐述体系能力特征。