基于数据链的空战对抗建模及增援决策分析

研究了空战双方力量的变化问题.将飞机的空战能力指数转化为平均战斗力水平,进而以蓝彻斯特方程为基础,考虑数据链对空战的影响和作战中有增援力量的加入,建立了对抗双方战机数量变化的微分方程模型,给出了其数值计算方法,指出了离散计算的时间步长所应满足的条件,并根据增援模式的不同,将模型细化为不同形式.仿真实验表明,存在有效增援时间范围,一次性增援和匀减速增援具有时间优势,并且通过构造评价函数有效衡量了这两者具有较高的增援效率,为空中作战应用和决策提供了参考依据.      

ARMA参数识别的预估噪声法

若ARMA模型(B)y_t=θ(B)w_t的驱动白噪声预先给定,则参数的识别是一个线性问题,本文从此观点出发,推导了从已知时间序列{y_t)预估驱动白噪声{w_t}序列的递推算法,由序列{y_t}与递推得到的{w_t}的值,对相关函数作出估计,然后由参数与{y_t}和{w_t}二阶矩的线性关系即可求解出模型的参数,此算法简单快速,并且有良好的精度。     

跑道路面描述的数学模型

跑道路面不平度y(s)的测量结果往往以数字序列{y_n}的形式给出。本文首先引入了ARMA模型分析方法,提出了路面不平离散序列{y_n}的频域与空间域模型。在离散模型的基础上,继而导出了路面不平y(s)的频域与空间域模型,这些模型不仅能很好地表征路面不平特性,而且便于对由路面不平产生的结构振动进行分析。     

加权D—S证据理论在多平台数据融合中的应用

D—s证据理论在多平台、多传感器目标识别中有着广泛的应用。利用多平台协同数据融合系统的优势,解决了单一平台获取目标信息上的不足。对各平台传感器获取信息采用证据加权的方法,以获得较好的传感器可信度基本概率赋值,提高D—S证据理论在多传感器目标识别上的准确性。实验证明了方法的正确性和有效性。     

变截面脉冲爆震火箭发动机实验研究

在8Hz频率下,以煤油为燃料,氧气为氧化剂,当量比为1．0的条件下,进行了变截面脉冲爆震火箭发动机的实验研究,其中包括等截面发动机,扩张型发动机,收敛型发动机,扩张一收敛型以及收敛一扩张型发动机。总结出了发动机横截面积变化影响爆震波传播的一些规律,得到了横截面积变化对发动机平均推力的影响。     

Gao-Yong理性湍流方程

对近十年来Gao-Yong理性湍流方程的研究进行综述,给出矢量形式的可压湍流封闭方程组的推导过程。侧偏统计平均保留了湍流脉动量的一阶统计信息,在引入加权漂移速度对称性及正交各向异性后,导出了漂移流的连续方程、动量方程及机械能方程,最后依据湍流物理的唯象论,使用动量传输链概念模化封闭了整个方程组。方程组不含任何经验系数,不使用壁面函数,保留了NS方程的均化的非线性特性。其级数形式的能量方程与非线性现象多尺度层次现象相对应,具备了描述湍流统计平均流动及拟序结构流动的双重功能。已进行了大量算例验证,验证结果证明了Gao-Yong湍流方程对广泛范围的复杂湍流问题的适定性。     

基于FWFPN的装备保障性定性指标评价算法

以模糊Petri网为基础,将权重、可信度等约束条件应用到模糊Petri网中,建立了一种新的、称之为加强的带权模糊Petri网;给出了加强带权模糊Petri网的形式化推理算法,并将推理算法与矩阵运算相结合,用Matlab进行计算;最后,结合舰炮装备的一些保障性定性指标对该推理算法进行了验证.     

线性极化敏感阵列的极化平滑算法及相干源参数估计

 研究了基于极化敏感阵列的相干信号参数估计问题。首先,提出一种利用均匀线性极化敏感阵列的新型极化平滑算法(ULAPSA),其能够处理更多相干信号的参数估计,且具有更小的计算量。然后,基于ULAPSA给出了波达方向（DOA）和极化参数估计的两种方法：第1种方法利用角度搜索得到信号的DOA估计,适应任何多分量的电磁矢量传感器阵列;第2种方法结合传播算子算法,无需奇异值分解和角度搜索,能够同时估计信号的DOA和极化参数。该方法适应完备的电磁矢量传感器、三偶极子或三磁环构成的矢量传感器。最后,通过仿真实验比较和分析了所提算法的性能。     

基于PH曲线的数控拐角过渡方法

 为了减弱轨迹拐角处的向心加速度变化给加工带来的不利影响,使用五次PH曲线进行拐角过渡,在控制加工速度的同时对向心加速度进行控制。通过对拐角处连接情况的分析,确定了连接PH曲线中的参数计算方法。在拐角前后使用S加减速进行加工,以保证直线、圆弧轨迹加工中的平稳;在拐角连接区域内使用基于曲率的速度模型,通过对拐角前后S加减速和拐角速度的连接,使拐角前后的速度更加连续,得到平滑的速度曲线;通过拐角处的加速度和弓高误差的限制,计算平稳的加工速度。结果表明,使用五次PH曲线进行拐角过渡的误差小于7.4 μm,能够满足加工需要,同时,拐角处的向心加速度变化更加平稳。将拐角前后的S加减速和拐角区域内速度连接后,得到了平滑的速度曲线。     

电液仿真转台控制系统设计与仿真研究

针对影响三轴电液仿真转台动、静态性能最大的同步驱动、摩擦和大惯量负载干扰三个问题，采用了模拟人脑基于经验控制的FNN（模糊神经网络）控制器和基于学习校正的PNN（预测神经网络）控制器分别对应转台内环（角速度环）和外环（角度环）反馈系统。FNN同步控制器分为等同和主从同步控制模式，两种模式相互切换，提高了系统同步性能；PNN摩擦干扰控制器采用了基于双网络模型的NARMA（非线性自回归滑动平均）预测模型，具有较强的非线性系统辨识能力，提高了系统抗干扰能力。软件仿真结果表明，当转台外框负载发生变化或外框两马达转速相差较大时，使用PNN—FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能。