成型铸钢件的缺陷形貌与评定

本文在显微形貌分析的基础上,运用断裂力学的方法,对射流消能器铸钢缺陷进行了分析,预测了其疲劳寿命,给出了初始缺陷的评判标准。切剖检测和跟踪统计表明,理论结果与实际情况一致。     

解冻焦散线方法与应力强度因子K_Ⅰ,K_Ⅲ的测定

本文提出了解冻焦散线的实验方法,这是一种应用光弹切片技术获得模型内部任一点焦散线图象的方法。将它用于测定平面应变状态裂纹的应力强度因子K_1,K_2,获得了满意的结果。     

超高精度车床直线运动误差检测与补偿系统的理论与实验研究

本文介绍了用三传感器误差分离法在线检测超高精度车床拖板直线运动误差和加工工件的素线直度误差。检测系统的精度高达±0.078μm。在此基础上,通过微计算机对误差数据进行数学处理,并驱动伺服机构对工件素线直度误差进行补偿加工。结果使工件素线直度精度提高到0.5μn/160mm,比补偿前的精度提高了50%以上。     

透平叶片的可靠性安全系数设计法

本文基于目前的蒸汽透平叶片振动强度设计准则,提出了可靠性安全系数设计法,给出了一些计算公式,并简要介绍了该方法在叶片设计中的应用。     

互瞄定位法精度分析

介绍了超视距目标指示中的互瞄定位法的基本原理和影响互瞄定位法的主要因素,推导了互瞄定位法精度分析模型,并对其进行了精度分析。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

Hill 方程在远距离拦截中的应用

提出了一种通过坐标系移动,化原系中的大相对距离为新系中的小相对距离,以减小Ｈｉｌｌ方程在大相对距离时的模型误差的方法,即当拦截器的相对距离达到某一精度许可的值ρ＿１时（定义ρ＿１为精度控制参数,例如可取ρ＿１＝５００ｋｍ）,以拦截器位置为原点,建立一假想的动参考系,将拦截器在原动系中的相对运动参数转换为新系中的相对运动参数（显然在新系中的初始相对距离）,从而化大相对距离为小相对距离问题,提高Ｈｉｌｌ方程的描述精度。本文给出了方法的理论分析及两个计算机仿真实例,该法确可有效地减小Ｈｉｌｌ方程在大相对距离时的模型误差,结果是令人满意的。