真情传递

宁夏武警总队新兵连田敏:你光荣入伍,哥在远方为你感到高兴。好男儿志在军营,相信你能够用信心和毅力战胜困难,     

万向铰驱动的偏斜转子系统传递力矩分析

研究了万向铰结构偏斜和实际误差偏斜两种情形共存时万向铰驱动转子系统的传递力矩特性,得到了通过万向铰作用在从动轴上的力矩及其各分量之间的具体表达式,并针对三种不同偏斜情形对万向铰传递力矩的弯矩分量和扭矩分量进行了仿真分析。结果表明:当万向铰结构偏斜微小时,实际误差偏斜对万向铰传递力矩的影响不可忽略。所得结果与以往研究相比,更符合工程实际,也为研究偏斜转子的弯曲振动、扭转振动以及弯扭耦合振动问题奠定了一定的基础。     

基于燃气发生器的环形浮囊展开过程模拟研究

建立了燃气发生器内弹道数学模型和无人潜航器上浮的环形浮囊有限元模型,采用LS-DYNA软件以控制体积法对浮囊的燃气充气展开过程进行了模拟研究,分析了深度、喷嘴管径、装药量对浮囊展开过程的影响.结果表明:深度与浮囊充气时间呈正相关关系;喷嘴管径和装药量与浮囊充气时间呈负相关关系,该结果能为浮囊的设计与应用提供依据.     

一种改进的分数低阶矩协作频谱感知算法

为了提高脉冲噪声下基于分数低阶矩频谱感知算法性能,提出了一种改进算法。针对中值滤波能有效抑制脉冲噪声的特点,该方法先对接收信号进行中值滤波,再进行分数低阶矩频谱感知。仿真分析了在不同广义信噪比、特征指数以及协作用户对感知性能的影响,并与能量检测和分数低阶矩频谱感知方法对比。仿真结果表明,改进的分数低阶矩方法在脉冲噪声下感知性能明显优于能量检测和分数低阶矩检测。并且对不同调制信号均具有良好的适用性。     

基于时频分布的弹道导弹目标识别方法

在弹道导弹目标识别中,微动特征是重要的识别手段。从弹道导弹微动特性时频分析出发,提出一种基于时频分布的弹道导弹目标识别方法。该方法将时频分布图的伪Zeinike不变矩特征作为识别特征。首先对回波信号进行时频变换以获取时频图像;然后为了降低噪声的影响,对其进行图形预处理;最后给出了伪Zernike不变矩提取步骤及识别特征的选取原则。通过仿真实验,分析了不同特征组合对识别率的影响,评估了不同信噪比下识别方法的稳定性。实验结果表明,该方法具有一定稳定性,可用于弹道导弹目标识别。     

数字图像复数不变矩构造及稳定性分析

为系统性地给出数字图像不变矩一般性构造方法及对不变矩稳定性进行分析,通过采用复数矩作为描述数字图像识别特征量的方法,研究了复数不变矩所具有不变性的约束条件及其与几何不变矩间的关系,推导出了复数不变矩构造定理,并以在工程应用中的低阶复数不变矩为例对复数不变矩的稳定性进行了分析。研究结果表明:采用复数不变矩构造数字图像特征量具有很好普适性和稳定性,对于图像目标识别特征的描述有较好的效果。     

甚低频十三塔伞形天线阵的电气性能

针对以电小天线为主体的岸基甚低频发射天线辐射效率低的问题,构建了卡特勒双副天线的总体架构,研究了天线之间耦合干扰对天线电气性能的影响,提出并运用矩量法为核心的电磁数值仿真软件对两副天线进行建模,计算工作在不同状态下天线的电气参数,得出天线间距与天线耦合干扰之间的关系。验证结果表明:该方法仿真值与实际测量值一致,能有效提高天线辐射效率,由此证明了该方法的有效性和实用性。     

基于BP神经网络的空中目标识别方法

提出了一种利用BP神经网络用于空中战机目标识别的方法.首先,分别用300张不同姿态的F-16和F-22战斗机图片建立样本图库.其次,利用不变矩理论,提取图片的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.然后从样本图库中随机抽取两种型号飞机图片各30张作为空中打击目标进行识别,结果表明采用LM优化算法的BP网络具有一定的抗噪声能力.     

群车加油系统水力计算方法

加油系统是群车加油装备的主要系统之一,其不同工况的水力计算结果是研究和分析加油系统规律和特性的基础。介绍了新型群车加油车加油系统基本结构,针对其结构简单、工况随机多变的特点,运用排列组合知识对系统工况进行了归纳分类,共有1 023种工况组合和10种加油模式;提出距离矩阵法用于建立加油系统的随机工况数学模型,并详细阐述了模型计算过程;通过对单枪、五枪和十枪加油模式的典型工况进行计算,最终结果验证了该方法用于求解群车加油系统和其他多分支管路系统随机工况的水力计算是可行的。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。