火炮射表数据处理计算步骤和程序框图

本文是文献［１—３］的继续,主要研究火炮射表数据处理算法的计算步骤和程序设计框图。这两个内容是正确进行程序设计、分析和使用的重要环节。     

深孔表面粗糙度检查仪研制

本文介绍在微机控制下,对特长深孔(包括盲孔)任意位置的表面粗糙度进行测量的实用测量系统.适用于Φ38以上的各种孔径系列,测孔深度可达20m.     

C2有理插值样条曲线曲面

首先提出一组基函数向量,它具有以下特定的性质：ＢＢ（０）Ｔ＝（０．０,１．０,０．０,０．０）,ＢＢ（１）Ｔ＝（０．０,０．０,１．０,０．０）ＢＢ＇（０）Ｔ＝（－０．５,０．０,０．５,０．０）,ＢＢ＇（１）Ｔ＝（０．０,－０．５,０．０,０．５）ＢＢ″（０）Ｔ＝－（１．０,－２．０,１,０,０．０）,ＢＢ″（１）Ｔ＝（０．０,１．０,－２．０．１．０）。进而研究了以此函数向量的张量积形式定义的有理样条曲面。并得以下结论：（１）插值性;（２）Ｃ２连续性;（３）局部性和可调性。文中还分析了“权”的作用,并指出它与三次Ｂ－样条的类似性。     

保密通信中同相和正交通道失衡对干扰抑制性能的影响

针对同时存在恶意干扰与非法窃听的通信环境,提出一种协作干扰(cooperative jamming, CJ)掩护的保密通信架构,收发信机之间采用跳频技术躲避恶意干扰,并采用协作干扰技术阻塞非法窃听。但该架构的通信带宽较大,会在收发频率振荡器中引起显著的同相和正交(in-phase and quadrature, IQ)通道失衡。鉴于此,对收发IQ通道失衡引起的信号失真进行数学建模,给出接收机处信干噪比的数学表达式,并给出干扰抑制比的闭合表达式。仿真结果表明,收发IQ通道失衡引起的信号失真的功率远大于热噪声功率。随着收发IQ通道失衡加剧,所提架构的信干噪比和干扰抑制比性能均会急剧下降,当幅度和相位失衡分别达到0.95和π/50时,信干噪比和干扰抑制比均损失了47 dB。     

电磁带隙结构单脊波导缝隙相控阵天线的实验研究

提出一种电磁带隙结构交错排列的单脊波导缝隙相控阵天线,并与相同尺寸的普通单脊波导缝隙相控阵天线作比较。测试结果表明该天线的方向图得到了明显的改善,单元之间的耦合系数减小,背瓣的辐射电平显著降低,扫描特性得到了改善;同时也说明了电磁带隙结构可以取得比扼流槽更好的抑制表面波的效果。这对于提高单脊波导缝隙相控阵天线的辐射性能具有重要意义。     

基于TSMD-SVM-HMM的机内测试智能降虚警方法

机内测试虚警问题是影响系统完好性和使用保障费用的重要因素。针对环境因素导致的虚警问题,设计了时间环境应力测量装置,应用支持向量机的小样本学习优点,建立虚警与环境因素的关联关系,应用隐马尔可夫模型的连续动态信号处理能力,描述系统长期工作历程中虚警的发生规律,提出了基于时间环境应力测量装置-支持向量机-隐马尔可夫模型的机内测试智能降虚警方法。最后,在某型直升机航向姿态系统上进行了应用与验证,试验结果表明:该方法有效识别出了机内测试的虚警。     

华东烧结模型的数学计算(Ⅱ)

通过热力学分析和数学计算,讨论颗粒呈现面心立方堆积方式时,华东烧结模型中膨胀机制和收缩机制对烧结体总表面能的作用和总孔隙度比变化的影响,计算表明烧结过程中收缩机制占主导地位。     

常规攻击下的水面舰艇生存能力评定

分析了常规作战对水面舰艇攻击的3种模式,给出了各攻击模式及水面舰艇生存能力综合评定的解析和模拟模型.并用其对国外某型导弹驱逐舰生存能力进行了定量评估,结合定性分析得出了有益的结果.     

碳纤维增强聚合物基复合材料频率选择表面的电磁传输特性

为了避免采用金属频率选择表面制备的天线罩中存在的热残余应力和弱黏接界面等问题,采用与聚合物基复合材料罩壁结构相容性好的碳纤维增强聚合物基复合材料制备频率选择表面,利用自由空间法对试样的电磁传输性能进行测试,并采用数值分析模型对碳纤维复合材料频率选择表面的电磁传输机制和电磁传输影响因子进行分析。结果表明:碳纤维复合材料频率选择表面具有频率选择功能,但谐振频率处的电磁传输损耗较大;通过改变复合材料频率选择表面的单元缝隙率、厚度、电导率以及介电常数可以实现对其电磁传输性能的调节。     

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。