船用三层组合外套液压联轴器最优分层分析

液压联轴器外套采用多层筒组合式外套可提高液压联轴器的弹性极限承载能力.文中对液压联轴器不同材料双层组合式外套和同种材料3层组合式外套进行了分析,确定了双层和3层外套分层界面的最佳半径.结果表明,3层外套的弹性极限承载能力比单层外套的弹性极限承载能力提高了31.4%;3层外套的弹性极限承载能力比双层外套的弹性极限承载能力提高了7.4%.     

一种适用于非合作源雷达的波束形成技术

非合作源雷达要完成对运动目标的检测,必须能够有效地抑制强烈的直达波信号。常规的波束形成方法在存在阵元误差的情况下,其性能将显著下降。提出的数值式波束形成算法既可以实现误差校正,又能在已知的干扰方向上形成较深的零陷,且能保持主瓣的形状和限制副瓣的响应。     

超宽谱电磁脉冲与无线电引信能量耦合因素的研究

通过超宽谱对配用不同弹体的无线电引信的辐照,分析了不同弹体以及配用某种弹体的引信不同放置方向对超宽谱电磁脉冲与无线电引信能量耦合的影响,并分析了弹体大小对能量耦合的影响。通过辐照、分析和计算最终得出:弹体是影响能量耦合的主要因素。弹体口径越大,超宽谱电磁脉冲与无线电引信的耦合能量越大。另外,配用弹体引信的不同放置方向也是影响能量耦合的重要因素;配用弹体的引信竖直放置时,超宽谱电磁脉冲与无线电引信的耦合能量最大。     

采用多种群搜索策略的微粒群算法调整消磁绕组

目前,常用的消磁系统调整方法一般都是针对舰艇磁场进行的,而较少考虑磁场梯度。为改善舰艇的磁隐身性能,应当同时考虑两者的有效衰减,由此确定的电流优化调整问题为多目标优化问题。为解决该问题,首先采用一种基于多种群搜索策略的微粒群算法分别求解两类目标函数的最优值,并将这两类最优值作为目标函数的归一化常数,然后选取一组适当的权重将多目标优化问题转化为单目标优化问题,并采用多种群微粒群算法求解该单目标优化问题。最后,采用一个典型的消磁系统优化调整问题来验证方法的有效性。实验结果表明:该方法不但能够实现舰船磁信号的削减,同时还能有效抑制舰船磁信号的波动。     

弹性贮液圆柱壳的动力特性分析

文中论述了一种贮液圆柱壳动力特性的分析计算方法,分析了弹性壳和液体之间的相互耦合作用。假设贮液满足速度势理论,对于圆柱空壳采用有限元法计算其动能和应变能。采用这种方法,节点未知数数目远小于壳体和液体部分都采用有限元法时的节点未知数数目。     

弹性联轴器动刚度测试系统研究

针对具有非线性特性和干摩擦阻尼特性的高弹性联轴器 ,设计了其动刚度测试系统 .测量软件采用基于Windows事件驱动的程序设计方法 .考虑系统所响应的不同事件 ,建立相应的功能模块 ,并优化了系统结构 .最后给出了该测试系统的实际应用情况 .     

基于火箭弹旋转运动的主子惯导在线标定方案研究

针对火箭炮在射前标定阶段不能进行线运动,只能进行两自由度的角运动,以及需要标定参数多,模型维数大导致标定实时性差等缺点。以火箭炮制导化改造为背景,首先利用旋转调制的原理建立了误差模型,将惯性器件的零偏误差分离,并且理论分析了旋转调制对惯性器件刻度系数误差标定的影响,分析结果表明,旋转运动对刻度系数误差的可观测性影响很大。但是,由于单独的横滚运动不能激励全部6个刻度系数误差,所以最后设计了新的火箭弹机动方案,以及滤波算法使全部刻度系数误差均可观测,并且结果表明除x轴陀螺刻度系数误差外,其余参数均能较快地收敛,与传统的方法相比,标定的实时性和精度都有了较大提高,充分体现了弹丸横滚运动对火箭炮射前标定的重要性。     

基于计算机视觉的目标方位测量方法

以显著性标志物中的关键点为目标,探讨了一种基于计算机视觉的目标方位测量方法。在光学成像原理基础上,推算出目标二维成像点坐标与其空间三维坐标之间的映射关系,基于计算机视觉理论建立了测量目标方位的数学模型。考虑透镜畸变,基于Zhang平面标定法完成对摄像机参数的标定。对目标二维图像采用Harris算法进行特征角点检测,并通过亚像素技术对检测的目标特征点进行定位。实验结果表明,该方法能够有效提取被测目标特征角点并获取其像素坐标,用于测量目标相对视觉传感器的方位信息可达到较高精度,具备良好的实用价值。     

对标准化与前沿技术创新互动关系的理解认识

世界范围内有关标准化与技术创新的关系研究已近百年,各方学者专家普遍认为标准化有助于技术知识的积累、创新效率的提升以及创新成果的扩散.由于前沿技术具有战略地位高、产业规模大、研发风险高、学科交叉融合、发展路径多样以及创新资源稀缺等特点,相比标准化与传统技术创新,标准化与前沿技术创新之间呈现出一定的网络关系、耦合关系和产品...     

一种基于SVM的炮位校射雷达弹道外推新方法

SVM是一种理论依据充分的机器学习新算法,主要用于对有限个样本的分类识别和回归建模.将一条弹道视为一个训练样本,利用SVM回归方法在不同弹道之间归纳弹道落点的规律,从而可以对未知弹道的落点进行预测.将SVM引入弹道外推是重要创新,构建具有代表性的训练样本,以及统一样本空间维数等是技术创新.仿真实验表明,SVM可以提高弹道外推精度,同时缩短外推时间.