基于云模型-AHP的制导弹药射击效能评估

对制导弹药的射击效能进行评估在仿真试验领域具有重要的意义。依据某制导弹药的工作原理及影响其射击精度的主要因素,制定了其射击效能评估指标体系。运用层次分析法(AHP)计算了各级指标的权重,划分了评估等级,并在各个指标隶属度的计算中引入了云模型算法。最后,将评估结果以隶属云的数字特征的形式表示出来。     

基于反步法的高超声速飞行器终端滑模控制

为了使高超声速飞行器在再入过程中完成姿态控制,在反步法的基础上将模糊自适应和终端滑模控制相结合设计控制器。对于姿态角动态,使用反步法和模糊自适应设计虚拟控制律;而对于角速率动态,利用终端滑模方法设计控制器,能够有效提高系统鲁棒性。稳定性分析说明所提方法可以保证系统状态的一致渐进有界性。     

欠驱动再入飞行器的抗饱和姿态控制器设计

针对只有两个舵的欠驱动再入飞行器,设计了具有抗饱和功能的姿态跟踪控制器.控制器的设计过程中,首先将姿态运动学与动力学模型分解成慢回路和欠驱动的快回路,然后分别针对快回路和慢回路设计了超扭曲滑模控制器和分层滑模控制器,最后通过仿真验证了该方法的有效性.     

汉字库图形点阵库液晶模块在激光告警接收机中的应用

在激光告警接收机中,为了直观显示激光的波长和入射方向,需要研究信息的显示技术.研究了字符点阵液晶显示模块(LCM12864ZK)在激光告警接收机中的应用,实现了2线串行接口方式与单片机89C2051通信,完成全中文人机交互图形界面.设计了简单方便的接口,编写了灵活的操作指令,其模块化的设计思想为多显示模并行应用提供方便.研究成果已经运用到激光告警设备中,能够实现快速显示敌方激光的波长与方向等信息.     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

多空域窗射击技术研究

未来空域窗射击体制相对集火射击体制,提高了对机动目标的拦截概率,能够对付有限机动目标,然而依然难以对付具有高度机动能力的目标,尤其是有人驾驶飞机,如果在射弹飞行时间内进行拐弯、爬升、俯冲等强机动.为了进一步提高对目标的拦截概率,提出了多空域窗射击体制,即在传统火控系统中增加目标实时态势估计模块,实时预测目标在射弹飞行时间内的可能机动模型,并根据预测结果进行多个未来空域窗射击.     

炮闩闩体击针孔强度仿真计算与结构改进

从击针和闩体的装配结构关系入手,在闩体击针室受力分析的基础上,进行了闩体有限元分析,得到了击针室两个不同部位受力时闩体击针孔处的应力和应变情况,从而提出解决闩体镜面击针孔产生凸出或裂纹问题的可行方案。     

M739引信头部触发机构发火模式与判别方法研究

针对M739引信头部机构的基本结构与特性,分析其头部触发机构的发火原理,提出发火模式种类的判别方法。结合某型引信的具体参数,计算其对钢板、胶合板和地面三种不同目标介质射击时的碰击力,分析碰击力、防雨机构静态下移抗力及支筒图定抗力对发火模式的影响。试验结果表明,该发火模式判别方法适用于M739系列引信。     

一种新的CLEFIA多字节差分故障分析方法

阐述了CLEFIA分组密码算法及故障分析原理,根据在CLEFIA密码第r轮与第（r-2）轮注入多字节故障,提出了一种新改进的针对CLEFIA的多字节故障模型及分析方法,并通过软件仿真实验进行了验证。结果表明,CLEFIA算法的Feistel结构和差分S盒特性使其易遭受多字节故障攻击,而改进算法使得密钥的恢复效率大大提高。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。