基于高精度加权紧致非线性格式的γ－Reθ转捩模型标定与应用

为准确模拟航空工程中的转捩问题,在高精度数值风洞平台上采用低速平板试验数据对基于高精度加权紧致非线性格式的γ-Re_θ转捩模型进行了标定,并在二维低速问题中进行了应用。计算结果与试验的对比表明:基于高精度加权紧致非线性格式的γ-Re_θ转捩模型可准确模拟自然转捩、旁路转捩及分离转捩的位置,并且具有较低的网格敏感性;在中等雷诺数范围,层流区域和湍流区域有相同量级时,计算必须采用转捩模型才能准确模拟阻力系数。     

基于VR与PNN相结合的机电液控制系统故障诊断方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题,提出了一种将虚拟样机与概率神经网络相结合的故障诊断混合方法。建立系统的虚拟样机,并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验,获取故障仿真数据。经过特征提取与概率神经网络模式识别训练,形成用于诊断的知识库,从而实现故障诊断。以操舵系统作为研究案例,得到了较高的故障检测和隔离精度与较低的虚警及漏警率,验证了该方法的可行性,为大型复杂机电液控制系统故障诊断提供新的思路。     

防空群对多批次小间隔目标射击效能评估

基于排队网络理论的适用性分析以及基本假设与适当简化,将防空群对多批次、小间隔目标射击问题转化、抽象为排队网络对顾客流的服务问题,建立了防空群对多批次、小间隔目标射击效能评估的"分布式协同排队网络"模型。在特定作战实例和假设条件下,应用所建模型,计算得出了典型火力配属方案下防空群对多批次、小间隔目标射击效能的量化结果,实现了防空群对多批次、小间隔目标的射击效能的定量化评估,验证了所建模型的可行性与有效性。     

顶置武器站性能评估方法

在评估指标体系和虚拟样机仿真测试评估数据的基础上,对顶置武器站性能评估进行研究。对评估方法进行研究,提出了适合顶置武器站性能评估特点的灰色模糊综合评估法,选用灰色关联度分析计算指标权重,建立开放性的隶属矩阵,最终建立顶置武器站性能评估模型。通过实例评估表明该评估模型准确可靠。     

战场环境地形编辑器系统设计与实现

作战仿真中,地形地物对战争进程发挥着重要影响。设计并实现了战场环境地形编辑器系统,该系统利用规整网格存储高程数据,确保了动态编辑地形的实时性,并使用CLOD地形渲染方法提高绘制性能。在此基础上,对堑壕、铁丝网、三角锥、雷场、碉堡等常见战场要素的特点进行分析,将它们分为点状地物、线状地物和面状地物;最后,对每类地物分别设计不同的生成算法。实验结果证明了算法的有效性。     

炮身俯仰过程中的类摇摆现象分析

在火炮俯仰过程中发现了炮身的类摇摆现象,通过对炮身轴线-炮耳轴系统耦合建模,揭示了炮耳轴倾斜度、炮耳轴与炮身轴线不垂直度共同作用对方向偏差的影响规律,并推导出了类摇摆现象发生的条件。指出了单独考虑炮耳轴的倾斜或炮身轴线与炮耳轴的不垂直度都是耦合模型的特例。类摇摆现象的发现有助于合理解释火炮试验中出现的异常现象,耦合模型可为进一步提高身管指向精度提供一定的理论依据。     

基于改良云模型的舰艇防空威胁评估

为了解决现有威胁评估模型存在不足,快速准确地对来袭空中目标进行威胁排序,提出了一种基于改良云模型的评估方法。针对舰艇防空作战目标特点,选取作战指标进行量化,对不同的定量指标和定性指标,分别采用离差最大化和改良云模型进行处理和赋权,通过Hamming距离计算贴近度,最后进行威胁综合排序。实例验证表明:该方法可以有效避免传统方法中人为确定各威胁指标权重的主观性,同时对定性指标的有效处理提高了评估准确性,为舰艇防空作战威胁评估提供了一条有效途径。     

基于优先权的分布式网络设备智能轮询策略研究

针对大型网络其地域分布广,监测对象较多,监测周期过长,实时性较差且管理流量负载较大等问题,提出一种分布式网络设备智能轮询策略。在域内,针对轮询周期调整问题,通过构造体现管理者意志的评判矩阵和求解反映数据特征的DFT(离散傅立叶变换)确定轮询优先级和轮询周期取值范围,提出了基于变化率的轮询周期调整算法;在域间,通过触发和查询实现对特殊事件的采集。最后进行了仿真,表明该策略能够在减轻网络负载的同时,准确刻画网络的状态。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。