基于双线性连接模型的超静定捆绑火箭助推器动力学响应分析

对于长径比较高的助推器来说,为了提高与芯级的连接可靠性,可采用超静定捆绑连接方式。这种捆绑连接方式增加了助推器动力学响应分析的难度。以超静定捆绑火箭助推器为研究对象,通过引入拉压双线性弹簧模拟捆绑连接装置,建立合理的动力学分析模型,对系统进行数值求解,获得径向冲击作用下助推器的动力学响应特性。通过与静定捆绑模型的对比,获得超静定捆绑助推器的广义位移、频谱和内力的响应,从而为工程应用提供一定的参考和理论支撑。     

基于网格质量反馈的弹性体动网格改进研究

高鲁棒性的动网格变形方法是求解包含运动边界的非定常流场问题的关键技术。基于经典的弹性体动网格方法,引入两种设计合理、评价效果较好的网格质量参数——Patrick网格质量参数和Baker网格质量参数,从网格质量反馈优化的角度对经典方法作出改进,提出了一种基于网格质量反馈的改进弹性体动网格方法。结合NACA0012翼型的大角度俯仰运动,对比研究改进方法与经典方法的变形能力,整个过程中改进方法均保持更好的平均/最小网格质量,尤其在大俯仰角90deg时,经典方法的平均、最小网格质量降幅均是改进方法的4倍之多,且机翼尾缘处的网格扭曲严重,而改进方法仍与初始网格保持了较好的一致性,具有更高的鲁棒性。作为例证,分别计算了二维NACA0012翼型、三维ONERA M6机翼的俯仰振荡绕流,并与实验结果及流场规律进行对比,结果表明：基于网格质量反馈的改进弹性体法能够显著提高变形网格的鲁棒性,在大幅度的变形下保持较高的网格质量,对多维流场的求解均可取得精确结果,可为非定常流场问题的求解提供有力支撑。     

基于代理群的军事自组网拓扑搜索算法

分析现有网络管理模式的基础上,针对军事移动自组网的特点,提出了一种基于动态代理群的网络管理模式,并实现了动态代理群网络管理模式的网络拓扑结构搜索算法,最后对该拓扑搜索算法的有效性、正确性及复杂度进行分析论证.实验证明该算法可以很好地解决节点频繁移动带来的需要实时反映网络拓扑结构的问题.     

元胞法模拟非线性弹性层合材料中的应力波

元胞法 (MethodofCell)是在有效刚度理论的基础上发展起来的新方法 ,可以用来构造具有周期性结构单元的材料的本构 ,也可以用来模拟应力波在材料中的传播问题 ,尤其是具有分层结构的材料。本文中给出两种常见的初值条件 ,并利用该方法模拟了非线性弹性材料的动态响应 ,研究了波在该层合材料中的振荡现象     

利用模态迭加法进行动响应分析应注意的问题

采用MSC-MARC程序的模态迭加法,对具有指数规律冲击载荷作用下的简支矩形板进行了响应计算,指出并讨论了应用模态迭加法求解结构动响应时应注意的几个问题.     

农村经济结构调整的动力机制分析

农村经济结构调整是一系列因素共同作用的结果 ,引致这种调整的动力机制包括政策导向动力机制、市场需求动力机制、科技发展动力机制和国际竞争动力机制。这四大动力机制共同作用 ,使农村经济结构的调整朝着符合国内外需求、优质高效的目标发展。     

Optimal stopping in software testing

In this paper we address the problem of how to decide when to terminate the testing/modification process and to release the software during the development phase. We present a Bayesian decision theoretic approach by formulating the optimal release problem as a sequential decision problem. By using a non‐Gaussian Kalman filter type model, proposed by Chen and Singpurwalla (1994), to track software reliability, we are able to obtain tractable expressions for inference and determine a one‐stage look ahead stopping rule under reasonable conditions and a class of loss functions. © 2002 Wiley Periodicals, Inc. Naval Research Logistics, 2003     

随机动态规划的混合算法研究

针对随机条件下动态规划模型的主要特点,运用智能算法混合编程理论,设计了一种探索多阶段决策问题的智能混合算法.该算法首先将问题转化成一族同类型的一步决策子问题,然后利用随机模拟和遗传算法,依据训练样本形成的训练神经元网络,在单步决策中寻求最优策略和最优目标值,逐个求解,再据初始状态逆序求出最优策略序列和最优目标值.仿真结果表明,该算法具有一定的通用性,初始设计点可以随机产生,其计算精度不因函数的非线性强弱而受影响,对目标和约束的限制较少,可应用于多种形式的随机多阶段决策优化问题,较好地满足了随机动态规划模型求解和优化的要求.     

一种基于AMDF和ACF的基音周期提取算法研究

文中提出一种基于短时平均幅度差分函数(AMDF)和短时自相关函数(ACF)的基音周期提取算法。首先,将每帧语音信号通过AMDF算法进行计算,然后把得到的AMDF数值再通过ACF算法进行计算,得出每帧信号的基音周期,最后运用动态平滑技术计算出最终语音信号的基音周期。通过仿真实现该算法,并同基于MAMDF和ACF的基音周期提取算法进行比较。     

What you should know about approximate dynamic programming

Approximate dynamic programming (ADP) is a broad umbrella for a modeling and algorithmic strategy for solving problems that are sometimes large and complex, and are usually (but not always) stochastic. It is most often presented as a method for overcoming the classic curse of dimensionality that is well‐known to plague the use of Bellman's equation. For many problems, there are actually up to three curses of dimensionality. But the richer message of approximate dynamic programming is learning what to learn, and how to learn it, to make better decisions over time. This article provides a brief review of approximate dynamic programming, without intending to be a complete tutorial. Instead, our goal is to provide a broader perspective of ADP and how it should be approached from the perspective of different problem classes. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009