典型爆炸螺栓承载能力研究

在一次整流罩倒锥段的联合静力试验中,Ⅲ象限爆炸螺栓在未达到1．5倍设计载荷作用下出现假品拉断现象。为了揭示爆炸螺栓破坏的内在机理,分别建立了整流罩倒锥段整体有限元模型及爆炸螺栓精细有限元模型,对试验及飞行状态进行了计算仿真,有限元仿真结果与理论分析结果一致性较好。研究结果合理解释了爆炸螺栓破坏的内在机理,对该类型爆炸螺栓的承载能力有了更深刻的认识,为爆炸螺栓结构及技术指标的改进提供了理论依据,在螺栓的选型及安装等方面为设计部门给予了技术支撑。     

求解定向战斗部最佳起爆延迟时间和起爆方位的一种方法

起爆控制技术是装备定向战斗部的空空导弹的主要技术之一。综合利用制导和引信信息确定引信最佳起爆延迟时间和起爆方位是导弹技术发展的方向。该文在弹体坐标系下建立了任意空间交会条件下定向战斗部最佳起爆延迟时间和起爆方位的数学模型，通过仿真计算对弹目交会特性进行分析。研究表明，起爆方位角的变化与弹目相对速度无关；在最佳起爆延迟时间段，目标的方位可能发生象限变化。因此定向引战系统必须根据起爆方位角变化调整起爆方位才能有效击毁目标。     

含2,4-二羟基苯甲酸铋催化剂的双基推进剂燃烧规律

1引言铅化合物是双基系推进剂中重要的燃烧催化剂,但其毒性引起了广泛关注。国外在研究对环境友善的绿色固体推进剂时,发现毒性极低的铋化合物对推进剂燃烧与常用的铅化合物具有相近催化效果,美国将2,4-二羟基苯甲酸铋用作双基推进剂燃烧催化剂来取代毒性较大的铅盐,以降低推进     

地面反射和衰减效应对声源频谱的影响

噪声源辐射的声波在传播过程中,由于地面的存在会引起声波的反射和衰减,并产生地表面波使得声源频谱特性发生显著的变化。为利用观察点处实测声频谱来预估实际声源自由场频谱特性,必须适当地计及地面反射和衰减效应的影响。本文采用Chien—Soroka地面反射衰减效应理论模型以及Delany—Bazley地面导纳函数,在局部反应地面假设基础上,给出了存在地面反射和衰减时实测声源频谱与实际声源自由场频谱之间的换算公式,并编制了相应的计算程序。文中给出的算例与文献[3][7]中给出的测量结果进行了比较,两者基本吻合。最后还对地面流阻和接收点高度对地面反射和衰减效应的影响进行了数值计算,结果表明,随地面流阻增加和接收点高度的降低都会使得第一个声波干涉低谷向高频移动。因此,实际测量小,若地面流阻未知,可采用紧贴地面设置传声器的方法测量声源频谱,此时地面影响的修正量,在第一声波干涉低谷以下,均为6dB。     

运动激波和旋涡相互作用的实验观察

本文介绍了平面运动激波和单个旋涡二维相互作用的实验。实验在方截面激波管中进行,实验中拍摄了激波和旋涡相互作用全过程的纹影照片。实验结果发现,运动激波通过涡核时发生激烈变形并在波后流场中产生圆柱形声波。     

磁悬挂天平主激磁绕组的恒流控制系统

国防科技大学研制的６０ｍｍ×６０ｍｍ磁悬挂天平的主激磁绕组，采用了保持激磁电流不变的恒流控制系统，克服了由于温度变化而引起的系统参数变化，提高了测试系统的准确性和稳定性。对实验过程中所出现的误差源，也逐一加以分析，从而找到了减少误差的方法。在恒流系统斩波器电路中，由于使用了集成电路加晶体振荡器的斩波信号源，大大提高了开关频率的稳定精度，改善了闭环系统的滤波效果，提高了系统的稳定特性。本文还介绍了值流系统的设计方法和主要系统电路。     

NAIWR－1智能两足步行机器人模糊自适应控制研究

本文对模糊控制、自适应控制和ＰＩＤ控制进行了综合研究，实现了自行研制的ＮＡＩＷＲ－１智能两足步行机器人的模糊自适应ＰＩＤ控制，并用模糊递阶协调方法进行关节到位协调送数，成功实现了两足步行机器人的稳定行走     

机器人力控制研究综述

回顾了机器人力控制研究历史及目前的力控制研究现状；详细分析了现有的四种研究策略：阻抗控制、力／位混合控制、自适应控制策略、智能控制新策略；阐述了作者提出的“力／位并环控制”的智能新策略；提出了机器人力控制的四大关键问题：位置伺服、碰撞冲击及稳定性、未知环境的约束、力传感器；文末展望了力控制研究的发展趋势——智能控制。     

基于FNN机器人擦洗玻璃的主动柔顺控制研究

综合运用了神经网络、模糊理论，详细分析了力反馈和主动柔顺控制的特点，首次提出了“力／位并环控制”的新策略，建立了相应的神经网络结构，利用基于知识的模糊规则实现模糊粗校正，消除明显的干扰信号；再利用神经网络特点将力／位有效综合，并直接输入机器人位置伺服系统，实施了力／位并环控制。并在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了难度极大的擦洗平面玻璃的实验，有效地将力控制在８±０．５Ｎ的理想范围内，取得了满意的效果。     

混合线性/非线性状态空间模型的边缘Rao-Blackwellized粒子滤波法(英文)

本文提出了边缘 Rao-Blackwellized 粒子滤波器(marginal Rao-Blackwellized particle filter, MRBPF)算法,算法融合了 Rao-Blackwellized 粒子滤波器(Rao-Blackwellized particle filter , RBPF)算法和边缘粒子滤波器(marginal particle filter, MPF)算法。算法中状态被分为线形和非线性两部分,分别用 MPF 和卡尔曼滤波器(Kalman Filter)进行估计。地形辅助导航(terrain aided navigation, TAN)的仿真结果表明,与 RBPF 相比,提出算法的非线性状态估计的误差均方根(root mean square error, RMSE)和误差方差分别降低了约 29%和 96%,独立粒子数提高了约80%,获得了更好的收敛结果。分析表明,现有RBPF是MRBPF的一个特例。