太阳能动力船舶发展综述

对近年来国内外太阳能动力船舶发展现状和趋势进行了综述,介绍了多艘太阳能动力船研制成功的实例,并对太阳能动力船舶的若干关键技术及其可能的解决方案进行了阐述,重点说明了太阳能动力船舶与多体船型的联系,并对国内发展太阳能动力船进行了初步构想.     

潜艇内部平台对舱壁支持作用的对比试验

为了研究平台对舱壁的支撑作用,针对以内部平台取代水平桁作为一级支持构件的潜艇平面舱壁结构形式,设计制作了两个平台强度不一样的舱段模型.然后,分别对两个模型进行静水压力试验,测量了其应力和承载能力.模型试验结果表明,平台的使用使舱壁的承载能力明显提高,且平台越强对舱壁的支持作用越大.平台结构的改变主要影响舱壁上垂向加强材上的应力水平,舱壁的破坏是由于平台受压失稳后失去对舱壁的支持引起的.     

导弹系统电磁兼容预测初探

基于"电磁拓扑"和"电磁屏障"概念,应用"电磁拓扑-图论混合技术"详细阐述了导弹系统的电磁拓扑描述及电磁干扰相互作用关联图,并分析了针对导弹武器系统应用电磁拓扑图论法的基本步骤。     

弹道修正弹射程偏差预测与阻力板展开时机优化

根据弹道修正弹阻力板的展开控制对于射程偏差预测要求的实时性,提出基于摄动原理的射程偏差预测算法.为解决阻力板修正能力在线计算数据量大的问题,提出在弹载计算机上装定阻力板修正能力表格的方法,给出发射前计算修正能力表格的过程和飞行中使用修正能力表格的步骤,提出阻力板展开时机的优化判断条件,并采用该方法对某型弹道修正火箭弹射程修正控制进行仿真试验和飞行试验.仿真试验结果表明,当目标射程为33 565.4m时,经修正后火箭弹的射程偏差能控制在20m以内;飞行试验结果表明,弹道修正火箭弹的射程偏差实测为24m,射程精度得到明显提高.     

IMM-EKF的弹道导弹轨道实时动态预测

快速准确的导弹轨道预测是有效进行导弹防御的前提。提出一种基于IMM-EKF的弹道导弹轨道实时动态预测方法,对导弹发射点和落点分别进行动态预测研究。首先,构建不包含导弹先验信息的IMM-EKF弹道估计器;其次,定义一种模型概率累积因子,用于估计导弹的关机时刻及相应的运动状态;最后,基于导弹运动状态的实时估计,动态预测落点和发射点。仿真实验结果表明:该方法能实时动态预测导弹发射点和落点;发射点预测应利用主动段状态估计,而落点预测则在导弹自由段早期进行为宜。     

基于改进支持向量回归机的火炮身管寿命预测

为准确预测火炮身管寿命终止时火炮射弹数,根据射击过程中火炮身管磨损量与身管寿命特性,分析了身管膛线起始部磨损量与身管射弹数之间的关系,提出了支持向量回归机算法,并采用遗传算法进行模型优化改进,得到火炮身管寿命预测最优模型。结合两种类型火炮的身管数据,利用该模型对身管寿命进行预测,并与原始支持向量回归机进行对比,通过分析可知改进的支持向量回归机预测效果好、精度高,为火炮在实际应用中身管的寿命预测提供了新的思路。     

舰船消磁系统S矩阵及其测量方法

建立了舰船消磁系统舰磁干扰量模拟法的S矩阵数学模型 ,该模型可以用来模拟产生任意地磁场作用下和舰船任意姿态时消磁系统电流变化关系 .提出了利用不同主航向上舰船消磁系统电流与横摇角、地磁场和感应干扰量的变化关系来测量和分析S矩阵元素的方法 ,为解决舰船消磁系统快速抗干扰和跨纬度区调整问题奠定了理论基础 .     

水面舰艇对海作战可靠性的新型评价方法

针对水面舰艇对海作战网络的特点,基于复杂网络"反社区"性质,将对海作战网络描述成"反社区"有向赋权图。结合传统可靠性分析方法,提出了一种新的可靠性评价指标,进一步扩展了传统可靠性指标的4个特性,并通过实例仿真,证明了该指标的有效性。该方法将传统可靠性理论与复杂网络理论有效地结合起来,将进一步扩大复杂网络的适用范围。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。