MDI一体化项目排污口对长江水质影响的预测

以MDI一体化项目排污口为研究对象,采用二维水质数学模型,预测了不同水位条件下,MDI一体化项目各企业排放的废水污染物对长江下游水体水质的影响。预测结果表明,在达标排放前提下,除挥发酚、硝基苯外,各污染物对排污口下游长江水体水质影响较小,长江水体水质基本满足GB 3838—2002《地表水环境质量标准》中Ⅲ类标准要求;挥发酚、硝基苯在排污口下游会产生一定的超标污染带,岸边5 m以外,下游120 m以远即满足《地表水环境质量标准》中Ⅲ类标准要求,不会对下游水质安全造成影响。     

军用车辆双质量飞轮设计与减振特性研究

利用ADAMS建立某型步兵战车传动系统当量模型,研究双质量飞轮主要参数对发动机扭振衰减效果的影响,得到了双质量飞轮第二、第一飞轮转动惯量比的取值范围以及扭转刚度和阻尼的取值原则,以发动机激励衰减最优为目标,同时优化双质量飞轮3个参数,得到最佳的转动惯量比值为0.612;提出设计周向长弧形弹簧式双质量飞轮的具体方法和步骤,设计出弹性机构不同布置的2种双质量飞轮,并通过仿真计算其减振效果。结果表明：弹簧组布置在减震盘两侧的长弧形弹簧式双质量飞轮的减振效果较好。     

联合机动编队作战体系网络化描述

作战体系网络化描述是认识和理解海上联合机动编队作战体系的一个重要途径。在分析作战体系基本要素的基础上,对联合机动编队作战体系网络化描述原则和步骤进行了研究,并制定相关规则,为构建海上联合机动编队作战体系网,开展海上联合机动编队作战体系结构优化、体系对抗等问题研究奠定了基础。     

多约束条件下无人机航路规划动态评价方法

针对多约束条件的无人机航路规划评价方法缺乏合理性和动态特性的问题,提出了基于无人机六自由度模型的飞行仿真动态评价方法。分析了无人机航路规划的约束条件和影响航路评价的因素,基于某型无人机六自由度飞行动力学模型和飞行控制系统模型建立了无人机飞行仿真系统模型,将航路规划与评价进行有机结合进而进行航路评价方法软件的设计,通过对无人机沿规划航路的仿真飞行参数进行动态特性分析,以更接近真实情况的仿真手段对多约束条件下的航路规划效果进行评价。结果表明,该方法形象直观的实现了对无人机规划航路的动态综合评价,满足工程需求。     

美军战场态势一致性对海战场态势图体系构建的启示

信息化战争中,战场态势图已经成为各类指控系统的核心。本文对美军互操作作战图族FIOP发展现状进行分析研究,总结出美军FIOP的特点和美军实现战场态势一致性的关键技术,在对美军态势图的研究基础上,提出了对海战场态势图体系构建的启示和需要解决的关键技术。     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

基于灰色模糊的无线网络安全评估模型

无线网络的飞速发展使得网络安全的量化评估日益重要。结合网络安全属性和攻击属性两方面建立了无线网络安全评估指标体系,在此基础上,提出了基于灰色模糊的安全评估模型,并给出了量化评估的方法和步骤。最后通过实例进行了验证。     

六方位相对标图法绘算目标运动参数

基于相对运动原理以及观测平台在机动前后以被动方式分别测取的目标六个不同方位,提出了一种观测平台隐蔽确定目标运动参数的相对标图绘算方法。文章论证了该方法的基本原理和给出了具体的绘算原理方法步骤,并对该方法的不同绘算态势下的使用结果与使用影响因素进行了分析。实际绘算使用结果表明,利用该方法绘目标运动参数时的速度与精度能够满足绝大部分态势下的目标运动参数绘算需要。     

一种能量高效和均衡的无线传感器网络分簇数据融合算法

在无线传感器网络中,如果传感器节点之间的能耗不均衡,一些能耗进度较快的节点会过快失效,继而导致网络过早无法正常工作。为了解决分簇无线传感器网络在数据收集过程中所存在的节点之间能耗不均衡问题,提出了一种新的分簇数据融合算法。该算法将网络划分为大小不等的栅格,并根据剩余能量使簇首分别在每个栅格的节点中轮转。簇首消耗的能量越多,其所在的栅格也越大,栅格内有更多节点参与簇首的轮换以分担能量负载。通过该方式,算法能够提高节点的能耗均衡程度。另外,考虑到无线传感器网络的能量受限,算法还采取了一系列措施以节约能量。仿真实验结果表明,算法在能量使用效率、网络生命周期以及能耗均衡程度三个方面都具有较好的性能。     

基于多级Sigmoid神经网络的城市交通场景理解

交通场景的理解是交通监控、汽车安全辅助驾驶的基础.提出一种基于多级Sigmoid神经网络的城市交通环境理解方法.将5个3D结构特征与物体外观特征相结合表征城市交通环境,为了提高交通环境识别率,采用多级Sigmoid神经网络(MSNN)进行图像分割与识别.在公共测试视频数据库CamVid dataset 进行实验,实验结果表明了该方法的有效性.