高速履带车辆在坚实地面转向机理研究

运用系统分析的方法,研究坚实地面条件下高速履带车辆转向过程理论及其计算机仿真。以履带滑动转向理论为基础,考虑影响履带车辆转向的诸多因素(质心位置、负荷分布等),建立了履带车辆转向过程动力学模型。并为求解模型中的微分一代数混合方程,编写相应程序进行了仿真计算,对高低速2种情况下高速履带车辆的转向过程进行了计算机仿真实验,仿真计算的结果与实车野外实验的结果呈现一致性。特别在分析履带车辆高速转向过程中研究了离心力通过履带接地压力而对履带车辆转向过程的影响。     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

数据融合与敌我识别综述

敌我识别 (IFF)是自动目标识别 (ATR)技术的重要应用之一。高科技条件下现代战场中的目标侦察与敌我识别问题 ,一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求 ,具有敌我识别能力的系统 ,已成为 2 1世纪战场数字化系统的基本功能单元之一。扼要介绍了目标识别的有效途径、可提高敌我识别系统效能的数据融合技术及IFF现状与发展趋势。     

两栖装甲车静水阻力近似估算方法初探

提出了一种估算履带式两栖装甲车静水阻力的数学模型,在车辆主要参数已知的情况下,可对该型两栖车进行设计阶段的阻力预测:并针对某型两栖车进行了阻力计算。将两栖车辆的静水阻力分为摩擦阻力Rf剩余阻力Rr.等两部分,把实例估算结果与实车阻力试验结果相对比,结果表明:在该车常用航速范围内,误差较小。随着航速的提高,总阻力中摩擦阻力成份逐渐减少,而剩余阻力成份逐渐增加。     

装甲车辆自动装弹机的现状及未来

自动装弹机己在各国新一代装甲车辆上得到广泛应用。通过阐述在装甲车辆上采用自动装弹机的优点和必要性,介绍了现阶段自动装弹机的几种实现方式及其优缺点,并对自动装弹机的未来发展做出了展望。     

多轴越野车辆悬架部件结构优化设计

基于有限单元法、变密度方法和车辆动力学分析方法,对某型多轴越野车辆的典型部件(前悬架摆臂)主体进行了结构优化设计研究。结果表明:通过结构优化,降低了摆臂的质量,提高了摆臂的静态、动态结构刚度和强度。     

A branch‐and‐cut algorithm for the nonpreemptive swapping problem

In the Swapping Problem (SP), we are given a complete graph, a set of object types, and a vehicle of unit capacity. An initial state specifies the object type currently located at each vertex (at most one type per vertex). A final state describes where these object types must be repositioned. In general, there exist several identical objects for a given object type, yielding multiple possible destinations for each object. The SP consists of finding a shortest vehicle route starting and ending at an arbitrary vertex, in such a way that each object is repositioned in its final state. This article exhibits some structural properties of optimal solutions and proposes a branch‐and‐cut algorithm based on a 0‐1 formulation of the problem. Computational results on random instances containing up to 200 vertices and eight object types are reported. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.