机械运动参数的单片机测试系统

本文利用MCS-51单片机和白行设计的光栅式光电传感器构成了位移、速度、加速度测试系统,讨论了充分利用单片机软、硬件资源对光电传感器信号进行采集和处理的技巧,并对测试信号进行了软件抗干扰设计,系统测量范围是:位移>2mm,速度为0.0305～2000m/s,通过配用相应的传感器也可测量角运动信号,本系统已成功地应用于“轻武器后座参数综合测试仪”上,     

用三参数旋转体模型描述的大形变核内核子的单粒子能级

用｛ｃ,ｈ,ａ｝三参数旋转体模型描述可以大幅度变化的原子核形状,通过合理选取与三参数有关的核子单粒子势,用基矢展开法求解单粒子运动Ｓｈｒｏｄｉｎｇｅｒ方程,用矩阵对角化方法求出了与核形状有关的核子单粒子能级。分析表明,本文计算出的单粒子能级是合理可信的,可用于计算大形变核之形变位能的壳修正和对修正。此工作在裂变动力学模拟计算中是不可缺少的。     

视觉目标跟踪现状与发展

视觉目标跟踪系统在军事和民用领域都有重大的应用需求,如武器制导、视觉导航、安防监控等。视觉目标跟踪系统的目的是在视频序列的每一帧中准确地定位目标位置,还原目标完整的运动路径,为高层应用提供决策依据。根据任务需求不同,目标跟踪系统可以分为单目标跟踪和多目标跟踪。在算法层面分别介绍了视觉单目标跟踪和多目标跟踪的发展现状,并对相关算法的优点和不足做了简要分析。结合当前研究现状,简要地梳理了目标跟踪算法的发展趋势。研究表明,视觉目标跟踪是一个非常开放的研究领域,相关的理论和方法层出不穷,不同算法的侧重点也不尽相同,研究经典的目标跟踪算法有助于把握视觉目标跟踪中潜在的问题,为设计目标跟踪系统提供依据。     

射击效力近似计算中的等概率替代法初步研究

提出了近似计算单发命中概率的等概率替代法的思路 ,并给出射弹散布误差均值为零情况下的正方形目标与圆形目标之间的等概率替代数学模型     

遗传算法的预防性维修周期优化方法

考虑到预防维修可以提高系统生产效益的同时,故障率会随着维修次数的增加而上升,引入役龄回退因子对预防维修活动前后系统性能的动态变化进行描述;而且还充分考虑到系统预防维修周期随维修次数的变化情况,建立了系统预防维修周期优化模型,并将改进后的遗传算法运用于模型的优化求解.重点研究了系统总效益随预防维修次数的变化率, 从而有效地帮助决策者判定系统何时进行更新替换.     

阿尔特舒尔摩阻因数公式应割爱停用

紊流混合摩擦区是成品油管输的基本流区,其摩阻因数的基准公式为科尔布鲁克公式,国标采用十分近似、容易计算的哈兰德公式。由于历史原因,前苏联学者阿尔特舒尔的紊流混合摩擦因数公式在我国石油储运界一直流行,但该式只适用于管径较小、管内壁较粗糙、雷诺数较低的情况,而科式和哈式没有这种限制,且后者的计算也很简单,故阿式应割爱停用。     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

装备维护系统效能评估人素系数的建模与分析

传统的系统效能评估模型中,一般不考虑人的因素。然而,在国内外航空装备的维护过程中,由于人为失误引起的系统故障却占了相当大的比重。提出对人机系统效能评估的改进模型,并建立了装备维护系统效能评估中的人素系数模型,通过对人的可用性、可信性及固有能力的分析,得出了人素系数的确定方法。此系数的确定使航空装备维护管理部门能够更合理地进行装备维护系统的效能评估,有利于更好地组织配置人力资源。     

单一流空情生成模型仿真

根据单一流空情的特点,立足贴近实战的要求,分别建立了空袭批数模型、航路生成模型、批次序号模型、类别指数模型、任务指数模型、编队数目模型和干扰模型共7个模型,并且按人工给定航路的方法进行了单一流空情生成的仿真实验,验证了该模型与以往模型相比具有一定的进步性,对防空兵作战仿真系统的开发具有一定的参考价值。     

Efficient budget allocation strategies for elementary effects method in stochastic simulation

This paper focuses on extending the Morris' elementary effects method (MM) for sensitivity analysis/factor screening originated in the context of deterministic computer experiments to the stochastic simulation setting. Given a fixed simulation budget to expend, the main objective is to provide efficient and accurate estimates of main and interaction (or nonlinear) effects coined by the standard MM for characterizing the importance of each factor, despite the impact of simulation errors. Taking into account both the factor/input sampling uncertainty rooted in MM and the random errors inherent in a stochastic simulation, we develop efficient budget allocation strategies for implementing MM in this new context. Under each strategy proposed, we derive its corresponding optimal budget partition and optimal budget allocation rules. Numerical results corroborate the practical effectiveness of the proposed budget allocation strategies.