火控雷达的仿真目标建模及实现

中外军队的实践证明 :模拟训练是一种最简便、成本低、效果好的训练方式。对于需要空情保障和训练成本高的雷达训练来说更是如此。探讨了火控雷达回波信号的模型建立及实施方案。     

便携式红外寻的防空导弹仿真研究

研究了可视化建模的方法 ,提出了复杂系统的建模策略。基于动态仿真软件 SIMUL INK开发了便携式红外寻的防空导弹仿真平台 ,并利用仿真平台对某型号便携式防空导弹进行了仿真研究     

超急速温升下丙酮液池的温度场计算

通过实验和数值模拟计算 ,研究了瞬时、强热流极端条件下铂薄膜表面覆盖和不覆盖细小金属颗粒时丙酮液体和金属颗粒温度场分布及其变化规律 .确定了温升速率、温度梯度和温度边界层厚度 ,发现了常规沸腾难以解释的现象 ,并指出覆盖金属颗粒后虽然沸腾极为激烈 ,但难以达到极高的温升速率 ,而不覆盖金属颗粒却容易产生爆发沸腾     

拖缆系统直线定常运动仿真计算

推导了一个三因次拖缆系统动力平衡运动方程式 ,采用中心差分方法数值离散拖缆系统动力平衡方程 .根据离散方程编制了拖缆系统直线定常运动程序 ,在设定拖缆尾端自由边界条件及拖点边界条件下 ,数值仿真计算 30m拖缆的阵形 .根据仿真计算讨论了拖缆的材料刚度、拖缆水中重量、拖点速度、水动力系数主要参数等对拖缆阵形的影响 .拖缆系统直线定常运动的仿真计算为拖缆系统设计可提供参考依据 ,同时通过该仿真计算及讨论 ,为拖缆系统非定常运动仿真计算奠定了基础     

多相永磁同步电动机的矢量控制及仿真

建立了多相永磁同步电动机定子静止坐标系以及d、q旋转坐标下的数学模型 ,对多相永磁同步电动机的矢量控制系统进行了一般性分析 .针对表面式永磁电动机提出了一种简单高效的转子磁场定向控制方法 .采用Simulink/PSB对系统进行了动态仿真研究     

仿真模拟框架设计思路的分析与研究

探讨了仿真模拟框架的设计思路 ,结合HLAOMT的优点和数据融合的特点 ,从数据交换出发 ,对对象管理、数据管理以及想定的生成提出了对象分层访问的设计思想 .     

电液伺服系统的仿真与自校正PID控制器的设计

对一个试验用电液伺服系统进行了理论建模和仿真研究 ,引入了一个非线性状态方程模型来描述电液伺服系统的动态特性 .通过仿真结果与实际系统的响应相比较 ,验证了所建立的理论模型的准确性 .在此仿真模型基础上 ,设计了一个适用的自校正PID控制器 ,并且对其控制特性进行了仿真研究     

阻抗测试的采样数值算法

提出一种用于阻抗测量的算法———采样数值算法 ,这种算法是将激励信号和阻抗产生的响应信号通过同步采样技术转换成数值序列 ,将响应数值序列在由激励数值序列构成的正交坐标系中分解 ,得到响应数值序列的同相分量和正交分量 ,求出测试阻抗的参数值。这种阻抗测试的算法 ,具有独特的优点 ,不产生原理测量误差 ,测量精度高     

4×4轮式两栖车可升降独立悬架方案的仿真研究

对4×4轮式两栖车的可升降独立悬架进行了方案选择与具体设计;前悬架采用双横臂式扭杆弹簧带摩擦减振器的可提升悬架,后悬架采用肘内传动式单纵臂导向机构的可提升悬架;并在此基础上用ADAMS软件建立了整车三维实体参数化模型,在该模型下对选择的方案进行了动态仿真研究.最终确定出该悬架方案形式是一种可行方案.在方案验证时,采用了虚拟样机设计技术和动态仿真研究手段,利用轮式整车模型,在ADAMS/View环境下,以操纵稳定性分析为重点,进行了车轮提升、通过性、稳态转向特性、瞬态横摆响应以及回正能力等的仿真分析.     

The effect of training data set size and the complexity of the separation function on neural network classification capability: The two-group case

Classification among groups is a crucial problem in managerial decision making. Classification techniques are used in: identifying stressed firms, classifying among consumer types, and rating of firms' bonds, etc. Neural networks are recognized as important and emerging methodologies in the area of classification. In this paper, we study the effect of training sample size and the neural network topology on the classification capability of neural networks. We also compare neural network capabilities with those of commonly used statistical methodologies. Experiments were designed and carried out on two-group classification problems to find answers to these questions. The prediction capability of the neural network models are better than traditional statistical models. The learning capability of the neural networks is improving compared to traditional models because the discriminate function is more complex. For real world classification problems, the usage of neural networks is highly recommended, for two reasons: learning capability and flexibility. Learning capability: Neural network classifies better in sterile experiments as performed in this research. Flexibility: Real life data are rarely not contaminated with noise, such as unknown distributions, and missing variables, etc. Neural networks differ from a statistical model that it is not dependent on any assumption concerning the data set distribution. © 1997 John Wiley & Sons, Inc. Naval Research Logistics 44: 699–717, 1997