基于MDFT框架的海上能源通道航线动态决策建模与仿真

针对常规海上航线决策没有考虑决策选择过程的问题,引入多选择决策场理论（ MDFT）,构建了海上能源通道航线动态决策模型。基于信息完备、信息不确定和特殊情况等三种情景想定,进行了海上能源通道航线规划决策及其实验仿真。结果表明,决策过程受时间压力和信息质量的制约,时间压力会制约决策质量,同时还可能引起“偏好逆转”现象,信息不确定也会导致确定性决策。该模型不仅综合考虑了海上能源通道航线选择时需关注的各类要素,且模型参数可动态调整,进而能合理模拟真实的海上状况和决策过程。     

逆变器-异步电机电磁噪声的分析与研究

利用Ansoft建立了样机的二维模型,计算了样机在空载运行下的各性能参数,分析了样机内的磁场分布情况.在此基础上,计算了负载大小、机壳设计尺寸和逆变器供电对异步电机电磁噪声的影响.仿真分析表明:通过合理改变机壳尺寸和质量以及选择合适的逆变器开关频率的方法可实现异步电机的降噪.     

碳纤维强度的统计特性及对复合材料线芯力学性能的影响

测试了国产T300级碳纤维的单丝和复丝拉伸强度,并用Weibull分布来描述碳纤维单丝平均拉伸强度。采用拉挤工艺制备出国产碳纤维复合线芯,测试了国产碳纤维复合线芯的弯曲强度和短梁剪切强度性能。结果表明:国产T300级碳纤维单丝拉伸强度性能达到东丽T300碳纤维水平,且分散性更小;复丝强度略低。国产T300级碳纤维集束性较差,在拉挤抽纱过程中,容易夹纱和起毛。在纤维体积含量基本相同情况下,国产T300级碳纤维复合线芯力学性能与东丽T700碳纤维复合线芯力学性能相差不大。     

数值模拟气/气喷嘴速度比对燃烧性能的影响

为研究应用于全流量补燃循环发动机的不同气/气喷嘴得到的燃烧流场,通过求解NavierStokes方程组,对不同燃料与氧化剂速度比下的流动燃烧过程进行了数值计算,计算结果与实验结果吻合。仿真结果表明:增加速度比能使燃烧火焰面提前,燃烧效率变大。如果发动机的长度受到限制,可以适当增加速度比以实现高效燃烧。     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。     

单站单圈卫星初轨确定方法研究

为实现低轨卫星轨道的快速确定和预报,基于单站单圈雷达站测量数据采用遗传算法和最小二乘法对卫星初轨确定及轨道预测问题进行了研究。通过比较分析不同观测误差下两种方法的仿真结果,验证了初轨确定过程中两种方法的可行性,同时指出了各自的优缺点和适用条件,为不同观测条件下卫星最优初轨确定的方法提供了参考。     

基于相似性的装备剩余寿命预测研究

为了更有效估计装备的剩余寿命,对基于相似性的寿命预测方法进行研究。首先介绍基于相似性的寿命预测方法的基本概念和流程,然后研究基于高斯核回归的退化轨迹提取方法,在传统欧氏距离的基础上,考虑时间范围的影响,改进相似度计算方式,最后用高斯核密度估计得到剩余寿命的区间估计值.一个数值仿真试验表明,基于相似性的方法能够利用失效历史样本对装备的剩余寿命进行有效预测.     

频率搅拌混响室内小屏蔽体的场均匀性检验

为了研究频率搅拌混响室内小屏蔽体的屏蔽效能测试方法,需要检验小屏蔽体内的场均匀性．通过对混响室的场均匀性测试方法的研究,提出基于矢量网络分析仪的测试方法,通过计算工作区域任意两点的功率比检验场均匀性,并用该方法检验工作区域内小屏蔽体的场均匀性．实验结果表明：混响室采用扫频信号实现频率搅拌时,放置于工作区域的小屏蔽体内部同样有较好的场均匀性．     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.