提高聚氨酯推进剂基体粘结强度的途径探索

聚氨酯的水解稳定性较差,粘结强度偏低。将端羟基聚丁二烯与聚氨酯进行共混改性,提高了聚氨酯基体的表观交联度及推进剂的拉伸强度。采用示差扫描量热法和红外光谱法分析基体共混物的微观结构,表明这是提高聚氨酯基体粘结强度的一条有效途径。     

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     

小钝头锥体全目标流场与光电特性一体化数值模拟

从简化的或全ＮＳ方程出发,采用化学非平衡和热辐射非平衡模型,数值模拟了有烧蚀产物引射条件下小钝头锥体全目标流场与光电特性,旨在为防护设计提供气动物理环境数据。计算结果表明,本文流场模拟数据与实验数据基本吻合,壁面烧蚀产物引射和壁面催化特性对流场电子数密度均有量级影响。     

拉压异性材料楔体的极限载荷分析

利用莫尔屈服准则,对一侧承受均布垂直载荷作用的拉压异性材料楔体进行了极限载荷分析。计算结果表明,考虑了材料的拉压异性影响,楔体承受的极限载荷有明显提高。     

机械零件可靠性在应力-强度分布特性下的计算模型

根据应力-强度分布特性下的干涉理论,确定了机械零件在应力-强度诸分布情形下的可靠性计算模型,将应力、强度、结构和可靠性计算联系起来。     

目标指示雷达导引炮瞄雷达捕获目标的精度分析

本文研究了情报指挥系统中目标指示雷达导引炮瞄雷达捕获目标的精度问题。结合工程实践分析了影响精度的诸误差因素,在此基础上,建立了目标指示雷达导引炮瞄雷达捕获目标成功率的计算公式,给出了计算结果,并进行了结果分析。