车辆典型部件结构的有限元模型修正方法

以车身结构中简化的典型结构形式为研究对象,利用有限元软件中的焊点模拟单元,建立典型结构的有限元模型并进行模态分析。在参数灵敏度分析的基础上,结合模态试验测得的数据,利用广义简约梯度算法,对结构的有限元模型进行修正和模型验证,深入探讨了车辆典型部件结构的有限元模型修正方法。通过模型修正,有限元模型的精度得到了明显的提高,为进一步研究车辆结构部件的振动特性奠定了基础。     

精细陶瓷在坦克装甲车辆中的应用与发展

综述了精细陶瓷在坦克装甲车辆动力装置、装甲防护装置、火力装置及腐蚀与防护等方面的应用现状与发展,阐述了制约精细陶瓷广泛应用的主要因素及解决措施,同时展望了精细陶瓷应用的发展前景。     

基于单变量多目标规划的装甲车辆冷却系统智能化控制

根据新一代装甲车辆推进系统热部件散热特点及其冷却系统调控原理,提出了一种单变量多目标数学规划与模糊智能控制相结合的控制算法。该算法将冷却系统抽象为单变量多目标数学规划问题,采用加权的方法将多个目标函数转化为综合目标函数,输入到模糊智能控制器中进行冷却控制。仿真结果表明:该控制算法具有良好的控制效果,能够有效地解决新型推进系统热源多、目标温度范围广而可调参数单一的问题。     

载体干扰磁场补偿方法

获得载体航行路径上各点地磁场的精确测量值是地磁匹配导航的前提,而载体上各种干扰磁场的存在会引起磁力仪输出的偏差,影响匹配的精度,因此必须对载体干扰磁场进行补偿。在分析载体干扰磁场特性的基础上,提出利用矢量测量值对地磁场总场值进行补偿的方法。该方法首先根据矢量磁力仪的测量模型得到关于载体磁场参数的非线性方程,然后采用非线性参数估计方法估计出精确的载体干扰磁场系数,最后再利用估计结果对测量值进行补偿。通过仿真对该方法的有效性进行研究,并设计了半实物实验对其实用性进行验证。结果表明采用本文提出的方法补偿后地磁场总场值的测量误差在20nT以内,而且该方法参数估计精度高,应用方便,可以有效地对导航载体干扰磁场进行补偿。     

高超声速飞行器俯冲机动最优制导方法

为解决高超声速飞行器俯冲段精确制导与机动突防问题,研究了机动突防最优制导方法。针对零化视线角速率降低突防性能的问题,在俯冲平面及转弯平面内分别设计了正弦形式的视线角参考运动,同时为进一步实现俯冲精确制导,以落速最大为性能指标利用最优控制对其进行跟踪,引入了伪控制量以简化最优制导问题的求解,最后分析了该方法的稳定性及制导性能。以CAV-H为例进行仿真分析,仿真结果表明该方法能够实现机动飞行,且能够高精度地满足终端落角及落点约束,可为高超声速飞行器俯冲段精确制导及机动突防提供参考。     

水下航行器燃烧室两相流燃烧数值模拟

提出水下航行器燃烧室中两相流燃烧数值模拟方法.采用k-ε双方程湍流模型、涡耗散燃烧模型、离散相液滴模型进行数值模拟,得到单组元推进剂燃烧的速度场、温度场、浓度场的分布.研究了喷嘴压差、环境背压对燃烧的影响,得出了一定范围内,增大喷嘴压差、增大环境背压可以增强燃烧效果的结论.     

PHEV电池电荷状态估计设计及仿真

电池管理系统(battery management system,BMS)是混合动力汽车(parallel hybrid electric vehicle,PHEV)能量管理系统中的核心组成部分,而其中电池电荷状态(state of charge,soc)则是PHEV控制策略中的重要参数.针对PHEV动力电池组SOC系统高度非线性和复杂性的特点,提出了一种基于改进的BP神经网络的HEV动力电池组的实时SOC估计,并对网络的收敛性进行了证明.利用大量PHEV动力电池组在行驶过程中充放电的数据样本,对神经网络进行网络训练并且进行仿真.结果表明,与传统离线SOC估计方法相比,能够有效地减小误差,提高电池SOC的精度.     

飞行操作任务的无人机模拟训练及系统设计

为了提高无人机模拟训练的逼真度和沉浸感.研究了无人机飞行操作训练的关键技术,以半实装的形式构建了模拟飞行训练系统的体系结构.通过对飞行操作训练关键技术的研究和飞行操作模拟训练系统的设计,可以对基层部队的无人机地面操控手高逼真模拟训练提供理论基础和系统支持.     

需求可拆分的应急物资调度问题的蚁群算法

应急物资调度问题是个典型的需求可拆分的车辆路径问题,区别于传统的车辆路径问题,将每个需求节点只能由一辆车访问的约束去除,允许需求节点由多辆车进行访问。针对应急物资调度问题的特点,建立相应的多目标车辆路径数学规划模型(SDVRP),并根据模型特点设计改进蚁群优化算法。最后,进行相应的算例分析,验证了该模型和算法的有效性。     

基于MATD的高超声速飞行器反演控制

针对高超声速飞行器弹性体模型,提出了一种基于改进的反正切跟踪微分器(MATD)的鲁棒反演控制器。将控制系统分为高度和速度子系统,采用反演方法设计虚拟控制量和实际控制量。引入MATD对高阶系统虚拟控制量求导,避免了传统反演方法"微分膨胀"的问题。基于MATD设计干扰观测器,对模型不确定项进行精确估计,增强了控制器的鲁棒性。最后,通过实例仿真验证,该控制器对速度和高度指令具有很好的跟踪效果,且具有较强的鲁棒性。