三维复杂腔体的时域有限差分法分析

在计算三维复杂腔体雷达截面的时域有限差分法中，提出了一种简单的计算域设置方法。它由腔壁和腔口面外侧的吸收边界围成，与包围目标的常用计算域设置方法相比，忽略了腔边缘的绕射作用，但具有节省计算机存储空间，无需额外抽取外腔壁对电磁波的散射。数值结果表明该设置方法是合理可行的。     

Weibull分布逐步增加的Ⅱ型截尾试验的统计分析

本文给出Weibull分布在逐步增加的Ⅱ型截尾寿命数据参数的极大似然估计与逆短估计，并通过Monte—Cardo模拟考察了估计的精度，认为极大似然估计优于逆短估计。     

大转角条件下二维计算雷达像的改进

为提高转台目标成像时的横向分辨率,需增大转角,而增大转角会引起雷达像模糊。文中在频率空间的直角坐标系中用板块法仿真出大转角转台目标的雷达回波数据,然后用二维快速傅里叶变换对回波数据进行处理,从而获得转台目标的雷达像。经过对仿真数据进行验证,用该方法获得的二维雷达像,其质量高于用极坐标回波数据所成的像     

粉体阻尼的多颗粒冲击模型及其仿真研究

针对NOPD中微小颗粒之间的相互碰撞,以两端自由的等截面梁为研究对象,采用赫兹接触理论建立了多颗粒垂直冲击减振理论模型.进一步对颗粒的运动过程进行了数值仿真,得到了梁受到多颗粒冲击时的振动响应,籍此研究多颗粒的冲击减振效果.仿真结果表明,多颗粒垂直冲击时对其活动间隙值不敏感,在较大的范围内仍然有较好的减振效果,而且不会出现单冲体间隙选择不当增大系统振幅的现象.对梁中高频段(2500～6000Hz)模态的减振效果明显高于低频段(2500Hz以下)的模态,这说明多颗粒垂直冲击对系统中高频段的振动有更好的抑制作用.     

超机动飞机的非线性多速率控制系统

用非线性动态逆方法设计超机动飞机的控制律是一种简便可行的方法，但实际使用时需要解决控制律的离散化问题。多变量非线性系统的离散化是一个复杂的问题。本文根据逆方法和歼击机运动的特点，提出了一种简单直接的实现方法，该方法基本保留了连续域系统控制律的形式。用通常歼击机的最高采样频率来实现该方法，可以得到与连续域非常接近的控制结果。本文还提出了该形式的多速率实现方式，可以降低对机载计算机吞吐力的要求，其控制结果与连续域的差别仍很小。最后讨论了如计算时延等实际问题     

基于神经网络的机器姿态逆解

首次实现自组织神经网络求解机器人姿态逆解，突破了文献局限于研究益逆解的状况，应用本文创新的自组织神经网络训练方法机器人运动学特性，建立了工业机器人姿态逆解的神经网络方法，对ＰＵＭＡ５６０机器人的计算机仿真结果表明，该方法姿态控制精度高。     

介电弹性体圆柱形驱动器机电耦合致动过程分析

驱动器薄膜施加高压直流电后产生的轴向力差能使圆柱形驱动器伸长。为研究介电弹性体圆柱形驱动器的动态反应,本文对其机电耦合致动原理及过程进行了分析。圆柱形驱动器的机电耦合致动过程类似于蠕变过程,提出一种广义Voigt线性粘弹性模型来对其进行描述,并对计算结果与试验之间产生误差的主要原因进行分析。根据驱动器机电耦合致动过程中驱动器的准静态位移的非线性及轴向应力的变化对原模型进行改进。试验表明,在驱动器工作电压范围内,改进的广义Voigt模型能较好地描述驱动器机电耦合致动过程,此模型可用于介电弹性体圆柱形驱动器的性能预测和优化。     

基于自适应逆的微型飞行器飞行控制系统

飞翼式微型飞行器由于尺寸小、速度低、气动布局特殊和飞行环境复杂多变,其飞行力学具有显著的非线性和非定常特性,传统的控制方法已不能满足要求.本文运用时标分离理论,设计了快变量和慢变量动态逆,同时引入在线神经网络补偿动态逆误差,并采用伪控制补偿器消除作动器和自适应单元之间的相互影响,在此基础上提出了飞翼式微型飞行器的自适应飞行控制系统,并与采用动态逆-PID控制方法设计的飞行控制系统进行比较.仿真结果表明:基于自适应逆的飞行控制系统,具有较强的鲁棒性和指令跟踪能力,比动态逆-PID飞行控制系统更适合于微型飞行器.     

石油磺酸钡对微波吸收涂层的耐腐蚀性能的影响

为提高羰基铁粉微波吸收涂料的耐腐蚀性能,在微波吸收涂料配方中加入缓蚀剂石油磺酸钡。利用中性盐雾实验方法研究石油磺酸钡加入量对涂层抗盐雾性能的影响,分析石油磺酸钡对提高涂层耐盐雾性能的防腐机理,考察石油磺酸钡加入量对涂层力学性能以及微波吸收性能的影响。结果表明,当石油磺酸钡加入量为4.2%(质量分数)时,所制备的涂层的抗盐雾性能有明显提高,在涂层被腐蚀面积为0.1%~0.25%,外观评级为八级时,涂层的盐雾暴露时间达到210h,涂层附着力为4.3MPa,同时涂层的宽频微波吸收性能基本不变。     

基于MM-GGIW-PMBM滤波的扩展目标跟踪算法

针对多机动扩展目标跟踪问题,将交互式多模型的思想引入泊松多伯努利混合滤波(PMBM)算法中,提出了一种多模型的伽马高斯逆威夏特-泊松多伯努利混合滤波(MM-GGIW-PMBM)算法。该算法融合多种运动模型,通过模型的交互实现对机动扩展目标扩展状态和质心状态的混合估计预测;通过引入强跟踪滤波(STF)中的渐消因子修正预测之后GGIW分量中的协方差矩阵,防止发生跟踪模型失配的现象;在PMBM更新阶段扩展目标外形和质心估计完成的基础上,利用似然函数完成模型概率的更新。仿真实验结果表明:MM-GGIW-PMBM算法能够对多机动扩展目标的数量和状态进行有效的估计。