新型级间分离方案设计与仿真

设计了某新型导弹级间分离方案,结合级间冷分离和级间热分离的优点,采用固体燃气发生器和反推发动机作为分离能源,提出了合适的分离方式和分离时序。建立了分离过程的运动学和动力学模型,设计了碰撞检测模型,在分离仿真时考虑反推发动机推力偏差和下面级残余推力偏心和偏斜对分离的影响,还采用了蒙特卡洛方法分析了分离体运动范围,得到分离体在偏差干扰下运动情况,同时得到了分离危险时刻中心点相对横移范围,打靶仿真中没有出现碰撞现象,分离体的相对运动在分离要求范围内,说明该分离方案是安全可行的。     

舰船含腐蚀缺陷通海管路失效压力数值分析

为研究舰船通海管路腐蚀后失效压力预测问题,在DNV RP-F101准则的基础上设置模型系数,建立了管路预测模型,并通过数值分析修正模型系数.使用Abaqus软件分析管道爆破失效力学行为,研究缺陷形貌和腐蚀深度、腐蚀轴向长度对失效压力的影响.对比预测模型与数值分析可知,模型系数为YFEA=1.034时,预测模型可以较好地...     

民航运输生产的动态预测模型及其预测

如何最大限度地利用历史信息，低成本费用地建立高效精确的预测模型，这是在民航运输生产总量管理中亟需解决的课题。建立高精度的具有自学习功能的B－J动态预测模型是解决上述问题的方法。本文结合民航统计信息，研究和建立适宜民航运输生产的B－J模型，并且给出1997～2000年民航运输生产指标的预测。一、B－J模型B－J模型是由P阶自回归AR（P）、D队差分I（d）和Q阶移动平均MA（q）三种数据模型组合而成，亦称ARIMs（q，a，q）模型。这三种子模型的功能各不相同。AR模型是利用同一数列的前数期数据对数列的未来值作出预测，模型…     

航空子母弹时序抛撒散布效果数值仿真(英文)

对采用时序抛撒的航空子母弹工作过程、子弹外弹道初始条件、落点散布模型进行了探讨,建立了时序抛撒外弹道初始条件模型和落点散布模型,并进行了数值仿真。根据仿真结果分析了影响落点散布的主要因素,验证了时序抛撒对改善散布效果的可行性。采用时序抛撒,并通过优化各空投参数,可使系统达到更佳的作战效能,而且可为时序抛撒机构结构设计、结构优化及散布效果分析提供理论指导。     

基于长短期记忆网络时序数据趋势预测及应用

为了研究状态监测大数据对设备运行状态的估计和预测,提出了一种人工经验与主成分分析相结合的长短期记忆网络方法（AEPCA-LSTM）,利用运行过程中的监测时序数据对设备运行趋势进行预测。首先,通过基于人工经验的主要成分分析方法（AEPCA）从状态监测系统中提取与目标变量最相关的状态变量作为输入;其次,利用长短期记忆网络（LSTM）对目标变量趋势变化进行预测,并考虑运行过程中新数据样本的持续产生,对模型进行定期更新,以提高模型的动态适应性。最后,将所提出的方法应用于船舶副机系统的涡轮增压器转速预测中,结果表明该方法相对于传统的PCA-LSTM和LSTM,具有更小的预测平均误差0.18037,即展现了其在时序数据趋势预测的优势。     

调频引信谐波时序检测抗干扰方法及实现

针对调频（FM）引信抗干扰能力差的问题,提出了调频引信谐波时序检测抗干扰方法,利用弹目交会过程中谐波时序特征,提高了调频引信抗调幅（AM）、调频和扫频干扰能力;设计了基于快速傅里叶变换（FFT）的调频引信谐波提取方案,通过对差频信号进行FFT获得谐波幅值,与现有谐波定距调频引信通过带通滤波器（BPF）获得谐波幅值相比,在保证同等定距精度的前提下,可以灵活选取谐波次数和谐波通道,利用谐波时序性提高调频引信抗干扰能力,同时易于实现炸高分挡。仿真及实测结果验证了本文方案的可行性,调频引信抗干扰成功率由16.7%提高到90%以上。      

不平衡电网三相四开关变换器预测功率控制

为了提高三相四开关变换器并网电能质量,提出一种适用于不平衡电网条件的有限控制集模型预测直接功率控制策略。分析三相四开关变换器的工作机制和电压矢量变化关系,并建立其功率预测模型。使用αβ静止坐标系下的电网电压以及其90°延迟信号计算功率补偿值,设计价值函数,选择最优电压矢量对应的开关状态。该控制策略无需传统的正负序分离控制及锁相环技术,易于实现。仿真和试验结果表明,在不平衡电网条件下,所提出的控制策略能够有效降低并网电流畸变,消除功率波动,提高并网电能质量。     

基于增量式在线学习飞行训练姿态预测研究

针对飞行训练安全,大规模训练数据更新时预测准确性较差等问题,研究提出一种基于增量学习的在线飞行训练姿态预测模型。模型针对飞行训练数据进行相关性分析,使用基于流数据的增量学习模型对飞行训练数据中的俯仰角进行预测研究。实验结果表明,模型在对飞行训练俯仰角进行预测时,预测准确率高,误差小。通过模型对比实验,模型相较于传统预测模型,精度高、误差小、泛化能力强,可以有效预测飞行数据,保障飞行安全。     

基于认知过程的飞行员脑力负荷动态预测

现代军用飞机座舱驾驶系统信息高度密集、任务复杂多变。为探讨信息加工类型与多任务协同对飞行员脑力负荷的影响，依据ACT-R认知模块与脑力负荷决定性因素的关联性，将飞行员的脑力负荷划分为感知负荷与认知负荷，并基于四维多资源干扰理论，考虑多任务协同作用时的资源干扰对脑力负荷的影响，提出了基于认知过程的飞行员脑力负荷动态预测模型。为校验所提模型，选取16名被试完成4种模拟飞行任务的脑力负荷评价实验，结果显示：不同飞行任务在飞行绩效、NASA-TLX主观评价、平均扫视时间与扫视频率下的主效应显著（P<0.05），总脑力负荷预测值与NASA-TLX主观评价、扫视频率和心率呈显著正相关，平均脑力负荷预测值与飞行绩效、瞳孔直径和平均扫视时间呈显著正相关。所提模型对飞行员脑力负荷的动态预测与评价具有应用价值。     

基于相对骨骼点特征和时序自适应 感受野的动作识别方法

针对长时间动作识别难以充分利用时空域信息的问题,提出了基于相对骨骼点特征和时 序自适应感受野的动作识别方法。首先,该方法在特征获取部分增加了相对骨骼点特征,以满足 节点多样性和互补性要求,将其分别输入到空域图卷积网络,获得空间中相邻关节聚合的局部特 征。然后,设计了一个时序自适应感受野网络,以获取在时域中关节变化的局部特征,并且增加了 网络对不同持续时长动作的适应性。最后,经过决策级融合模块,计算类别概率,得到分类结果。 仿真结果表明,基于 NTU RGB+D 和 Kinetics-skeleton两大基准数据集,对比多种主流方法,均 取得了更高的识别准确率,分别为96.2%与60.1%。该方法可以较好地提取不同动作的区别性时 间特征,提高了动作时空特征的判别能力。