CAD/CAM中造型技术和发展趋势

造型技术是CAD/CAM的核心技术。本文较详细地介绍了几何造型、壳体造型及特征造型的理论与算法,分析了各种造型方法及形体表示方法的优缺点,最后探讨了造型技术的发展趋势。     

关于闭环火控原理中的若干问题

目前火控界对大闭环火控原理中的一些基本概念的看法还不太一致,有的甚至还比较模糊,对这些基本概念的深入探讨,对大闭环火控系统的发展有重要意义。本文针对其中一些基本问题谈了笔者的观点。     

灼热桥丝式电火工品静电发火数理模型

根据灼热桥丝式电火工品的电热起爆机理,在桥丝药剂系统的物理传热过程中忽略桥丝药剂接触面的热阻和热容等假设条件下,建立其静电发火的理想数理模型。针对此模型方程提出了一种数值解法,并对解的结果进行了讨论。     

一种基于细胞动力学的双目匹配方法

双目匹配是计算机立体视觉的一个难点。以往的各种模型把注意力集中于将左视图像和右视图像中的要素特征唯一地进行双目匹配的任务上。有别于以往的这些模型，文章在ＦＡＣＡＤＥ模型框架的基础上，利用细胞动力学模型隐含了竞争和合作这一原理，实现了一个采用“方位合作，视差竞争”方法的双目匹配模型，从而探索一条利用生物视觉原理进行计算机立体视觉研究的可行途径。     

聚能射流形成过程的理论建模与分析

分析了聚能射流的形成过程,并对其中的各阶段进行了详细建模。在模型中考虑了炸药爆轰、金属的驱动、药型罩压垮以及射流和杵体的形成过程。采用该模型对某一聚能装药结构进行了计算,计算结果表明:药型罩顶部和底部微元的压垮速度较小,在射流头部形成反向速度梯度,与试验数据吻合较好。该模型对于多级侵彻战斗部的工程设计与侵彻参数的计算具有一定的参考价值。     

伴随函数法与最优制导律性能分析

为选择适合先进空空导弹使用的制导律,以最小能量需求和零脱靶量作为目标函数,使用最优控制理论在相应假设条件下推导得到了5种最优制导律:比例导引制导律(PN)、增强比例导引律(APN)、PN-M制导律、PN-MT0制导律和PN-MT制导律。介绍了伴随理论以及原系统变换为伴随系统的方法,建立了脱靶量伴随系统和加速度伴随系统,利用伴随函数理论对比分析了各制导律闭合回路中脱靶量和末端需用加速度随末导时间的变化规律,并使用蒙特卡洛方法结果与伴随法结果进行了对比。结果表明,伴随法结果与蒙特卡洛结果精确一致,但伴随法的效率是蒙特卡洛方法的几百倍。通过分析结果可知,PN-MT制导律的性能最优,脱靶量和末端需用加速度均为零;当末导时间足够时,PN-M制导律性能接近于PN-MT制导律;PN-MT0制导律性能优于APN和PN,但次于需求信息量更少的PN-M制导律;而未利用导弹动力学信息的PN和APN制导律末端需用加速度非常大。     

基于任务的舰船质量监督组织结构熵评价模型

为了科学评价、选择与优化组织结构,分析了常见组织结构对舰船质量监督的影响。首先,综合运用熵和二元语义的基本原理与算法,提出了基于任务的舰船质量监督的时效、质量与柔性度及其权重的计算步骤与方法;然后,构建了舰船质量监督组织结构熵评价模型;最后,进行了算例分析,结果验证了该模型的实用性。     

PH分布参数估计的确定性退火加速EM算法

针对连续PH分布参数估计标准EM算法迭代速度慢和初值敏感易陷入局部最优化的问题,首先引入逆温因子和加速因子两参数改进算法,提出了确定性退火加速EM算法;然后,进行了详细的理论推导,给出了PH分布参数估计的具体步骤;最后,利用算例对两类典型分布和一组某装备维修时间的实际数据进行拟合,验证了改进算法的全局最优性和较快的收敛速度,拟合效果和迭代加速情况也验证了该算法的有效性和通用性。     

高超声速伸缩翼变形飞行器轨迹多目标优化

针对高超声速条件下变形技术的应用模式,对具有伸缩翼的组合式飞行器滑翔弹道进行了多目标优化研究。介绍了伸缩翼的变形模式,给出了不同变形状态下的气动特性;建立了三自由度滑翔轨迹动力学模型和伸缩翼前缘热流计算模型;采用MOEA/D多目标优化算法,以变形条件和飞行攻角为设计变量、以最大射程和最小翼前缘总吸热量为目标函数,进行了多目标优化计算。优化结果表明,MOEA/D计算得到了相对均匀分布的Pareto最优解集,将伸缩翼外形与无变形外形相比,飞行器滑翔段射程得到了显著提高,同时伸缩翼前缘总吸热量有明显的降低。     

Energy‐efficient scheduling for sustainable manufacturing systems with renewable energy resources

Environmentally friendly energy resources open a new opportunity to tackle the problem of energy security and climate change arising from wide use of fossil fuels. This paper focuses on optimizing the allocation of the energy generated by the renewable energy system to minimize the total electricity cost for sustainable manufacturing systems under time‐of‐use tariff by clipping the peak demand. A rolling horizon approach is adopted to handle the uncertainty caused by the weather change. A nonlinear mathematical programming model is established for each decision epoch based on the predicted energy generation and the probability distribution of power demand in the manufacturing plant. The objective function of the model is shown to be convex, Lipchitz‐continuous, and subdifferentiable. A generalized benders decomposition method based on the primal‐dual subgradient descent algorithm is proposed to solve the model. A series of numerical experiments is conducted to show the effectiveness of the solution approach and the significant benefits of using the renewable energy resources.