半穿甲导弹性能的攻角效应数值分析

利用LS—DYNA软件分析弹体攻角和目标运动对穿甲过程中装药安定性、弹体剩余速度及弹头姿态的影响。在穿甲过程中,弹体速度为300m／s,攻角分别为0°,10°和20°,弹体和目标板选择了考虑应变、应变率和温度效应的Johnson—cook材料模型。结果表明：随攻角的增大,装药局部受力显著增大,弹体剩余速度下降,弹头发生偏转;目标运动使穿甲能力减弱,但目标运动会使装药受到的外力在一定程度上减少。     

蚁群算法在车辆巡回保障中的应用研究

应用蚁群算法（ACA）解决车辆巡回保障问题,建立了车辆巡回保障优化数学模型,对轨迹更新规则进行了重新设定,给出了算法的实现步骤。通过算例分析,将计算结果与遗传算法（GA）和粒子群算法（PSO）作了比较,对模型和算法的正确性、高效性和适用性进行了验证。实验结果表明,该算法可以快速、有效求得车辆巡回保障的优化解,得到车辆巡回保障过程中的较优方案。     

引弧微爆加工陶瓷新方法及其电源系统研制

高频引弧在瞬间产生微爆炸和轰击波时具有高能量密度,结合工程陶瓷加工的特点,提出了引弧微爆加工工程陶瓷的新方法。试验证明了该方法能够实现低成本加工陶瓷孔、外圆、平面以及各种异型面,是一项全新的工程陶瓷加工技术。研制的专用脉冲电源采用了全桥式绝缘门栅极晶体管（Insulated Gate Bipolar Transistor,IGBT）逆变主电路、独特的高频引弧及控制电路,引弧微爆加工电源系统具有工作可靠、可控性好等优点。     

装甲车辆动力舱温度场试验研究

为了研究坦克动力舱装甲板温度场,必须对动力舱温度场进行必要的测试。以某型坦克动力舱为研究对象,设计了动力舱温度场试验方案,通过试验,得到了动力舱内主要部件表面和动力舱装甲板表面的稳态温度场分布。试验数据表明：排气管、增压器、变速箱和制动带是动力舱内主要热源,排气管附近顶甲板和排气百叶窗温度较高。     

基于感知信息共享的C2网络特征分析

指挥控制（C2,Commandand Control）关系网络连接数的增加会增强指控节点之间的信息共享,但也会增加节点信息处理和交换负荷,如果达到一定程度,则会造成节点本身的“信息过载”从而影响C2网络性能。对此,通过研究C2网络在两种不同处理方式下的共享感知信息平均提交时间,用网络节点响应时间的均方差表征一个C2网络的共享态势感知时间的一致性,最后对两种不同结构C2网络特征参数的计算,说明了网络连接增加会导致信息提交时间的延长,但一致性会增强。     

双声纳基阵二维目标联合测向交叉定位算法精度分析

主要对双声纳基阵二维目标联合测向交叉定位算法及精度进行了分析,给出了系统具体的定位公式和误差计算公式,并针对不同基线和不同基线误差、方位误差下目标GDOP的分布情况进行了仿真分析。仿真结果表明,定位误差随基线长度的增加而减小,随基线和方位误差的增大而增大,当基线增大到一定长度时．定位误差最终趋向稳定,达到最小。     

能力型防空群指控系统概念模型及效能评估

为提高能力型防空群整体作战能力,应用系统论方法分析了能力型防空群指控系统的构成要素及运行模式,提出了指控系统信息结构力的概念,建立了能力型防空群指控系统概念模型。在此基础上,提出了能力型防空群指控系统效能评估指标体系,运用网络复杂性理论、图论、集合论及信息论方法建立了能力型防空群指控系统的物理性能及信息结构力计算模型,给出了指控系统效能综合评估函数,可为防空指控系统构建提供参考。     

C2关系网络演化生成特性分析*

在网络中心作战背景下,为了探索"聚力前沿"(Power to the Edge)现实要求下的指挥控制(C2)关系动态演化规律,讨论了两种实元的加入策略模型:"信息最优加入"策略(BIMS)和"随机加入"策略(RMS):提出了信息资源利用率、信息资源命中率、信息传输有效率等三个指挥控制关系网络效能指标和一种加权评价方法.通过对仿真结果的分析,发现了BIMS策略下C2关系网络演化过程中存在的自组织、自适应现象,得出了BIMS策略下C2关系网络将具有无尺度网络特征这一结论.最后,比较了BIMS策略和RMS策略下的C2关系网效能和抗随机干扰能力,发现前者优于后者,而且BIMS策略下C2关系网具有逐渐优化的能力.     

双枝模糊评判在舰炮性能评估中的应用*

针对舰炮武器性能指标,运用双枝模糊决策方法对舰炮武器性能进行综合评估.该方法提出了新的论域[-1,1],使评估更能符合人的思维逻辑,能够客观的对舰炮性能进行评估,通过对多中舰炮的具体参数指标进评估,得出各种舰炮的性能优劣的排序,具体的数学模型仿真表明,对舰炮武器性能的评估是行之有效的.     

The effects of model parameter deviations on the variance of a linearly filtered time series

We consider a general linear filtering operation on an autoregressive moving average (ARMA) time series. The variance of the filter output, which is an important quantity in many applications, is not known with certainty because it depends on the true ARMA parameters. We derive an expression for the sensitivity (i.e., the partial derivative) of the output variance with respect to deviations in the model parameters. The results provide insight into the robustness of many common statistical methods that are based on linear filtering and also yield approximate confidence intervals for the output variance. We discuss applications to time series forecasting, statistical process control, and automatic feedback control of industrial processes. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010