铝合金表面涂覆隐身吸波涂层脱落原因分析

通过对某装备车体外脱落隐身吸波涂层样品的表面形貌、截面形貌、元素组成及含量分析,发现吸波涂层和Al2O3钝化层之间没有化学结合键,只存在物理吸附和机械结合,在外部环境的作用下,很容易引起隐身吸波涂层的脱落。     

基于人员素质差距的装备保障训练需求分析过程研究

针对目前新型装备缺乏系统规范的保障训练需求分析方法的问题,借鉴国内外训练和培训需求分析的理论和方法,基于人员素质差距,建立了我军装备保障训练需求分析过程模型,并结合案例对过程的实现步骤进行了说明,增强了训练需求的针对性和合理性。     

一种地形分析结果的多层次表示及量化方法

为了适应作战仿真智能实体的分层次路径规划,提出了一种地形分析结果的多层次表示及量化方法。根据全局路径规划与局部路径规划的概念和数字高程模型的多尺度表示模型,建立了地形坡度分析和可视性分析结果的多层次表示方法和量化公式。结合坡度计算和可视性计算公式,运用该方法实现了一个具体数字高程模型的多层次量化,分析了方法的有效性和可行性。试验结果表明：该方法可以实现分析结果的多层次表示,满足分层路径规划对地形分析的要求。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性,提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性,试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态,以箱体振动信号作为分析信号,首先对信号应用小波阈值法降噪减少干扰,接着将小波分解系数单子带重构得到不同频带的信号分量,提取各频带能量作为特征向量输人神经网络进行状态识别,结果表明该方法能有效识别变速箱的3种状态。     

均匀设计在柴油无灰节能降污添加剂配方研制中的应用

基于低压氧弹燃烧法研究了充氧压力分别为0．6MPa和0．9MPa时两种无灰型柴油添加剂不同配比对助燃性能的影响。采用均匀实验设计和Matlab回归优化的方法,得到复配体系的最优配方,并对其进行了验证。结果表明,由Matlab回归分析得到的完全二次回归模型最理想,0．6MPa时由该模型得到的最优配方为：添加剂A和B的质量分数分别是0．300‰和0．700‰,并通过实验验证得到的发热量达到最大,变化率为8．697％。0．9MPa时,结合直观分析和回归分析,得到与实际相符的最优配方：添加剂A和B的质量分数分别是0．600‰和0．900‰,此时发热量皮化率为4．453％。     

双声纳基阵二维目标联合测向交叉定位算法精度分析

主要对双声纳基阵二维目标联合测向交叉定位算法及精度进行了分析,给出了系统具体的定位公式和误差计算公式,并针对不同基线和不同基线误差、方位误差下目标GDOP的分布情况进行了仿真分析。仿真结果表明,定位误差随基线长度的增加而减小,随基线和方位误差的增大而增大,当基线增大到一定长度时．定位误差最终趋向稳定,达到最小。     

社会网络分析在军事C^4ISR组织结构中的应用

针对C^4ISR组织结构的复杂特点,运用社会网络分析概念分析军事C。ISR（指挥、控制、通信、计算机、情报、监视和侦察）组织结构,旨在对军事组织结构中的C^4ISR的效能给出一种定量分析的方法。具体讲,就是描述了FINC（力量、情报、网络和指挥控制）方法,给出了大量的基本运算法则来比较和定量分析C^4ISR组织结构的组织网络,便于更全面地分析评估不同组织结构的费效比,并将其应用于一个想定的C^4ISR组织结构中。     

作战需求分析方法研究

作战需求分析方法研究是指总结现有作战需求分析方法,研究适应现代战争要求的新的作战需求分析方法.通过分析国内外作战需求分析的理论和方法,并针对作战需求分析的各问题域展开研究,提出了"面向威胁、基于能力"的作战需求分析方法,并对其研究思路、基本方法和研究内容进行了探讨.该方法按照"目的-任务-构想-能力"的顺序进行分析,用"价值中心法"分析目标、任务与能力之间的映射关系,用探索性仿真方法分析不同构想情况下的能力需求,可以为战略规划、作战运筹、武器装备发展等提供方法和决策支持.     

一种面向Agent的概念化建模方法*

面向Agent的建模方法为基于Agent系统的概念化描述提供了一种新的技术.针对多Agent系统分析与建模问题,扩展并规范了面向Agent概念化建模过程,定义了Agent模型及其扩展模型,并给出了形式化描述.同时,给出面向Agent的分析和设计过程,为其具体建模提供了一种高层指导.最后,与其它现有面向Agent的方法在应用方面进行了类比分析,为该方法的广泛和深入地应用研究打下基础.     

The effects of model parameter deviations on the variance of a linearly filtered time series

We consider a general linear filtering operation on an autoregressive moving average (ARMA) time series. The variance of the filter output, which is an important quantity in many applications, is not known with certainty because it depends on the true ARMA parameters. We derive an expression for the sensitivity (i.e., the partial derivative) of the output variance with respect to deviations in the model parameters. The results provide insight into the robustness of many common statistical methods that are based on linear filtering and also yield approximate confidence intervals for the output variance. We discuss applications to time series forecasting, statistical process control, and automatic feedback control of industrial processes. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010