在DD3单晶上进行FGH95粉末激光多层涂覆:单晶涂层组织形式规律研究

利用高温合金 FGH95粉末在 DD3单晶的不同晶面上进行激光多层涂覆实验 ,深入研究了涂覆层中凝固显微组织的生长规律。研究表明基材的晶体取向和局部凝固条件对涂层中的凝固显微组织有很大的影响。当单晶基材择优晶向与热流方向夹角小于 30°时 ,可以得到从基材上外延生长的单晶 ,涂层内二次臂退化 ,枝晶一次间距为 10～ 2 0 μm;当实验所在的单晶基材的择优晶向与热流的方向夹角大于 30°时 ,涂层中晶体取向偏离基材的取向 ,并出现多晶。即便当实验在同一个择优晶面上进行时 ,局部凝固条件不同 ,涂层内的凝固显微组织也有很大的差别。二次臂退化 ,一次臂间距大约为 10～ 2 0 μm。进一步的研究表明 ,涂层中主要组成相为枝晶干上分布的基体相 γ和沉淀硬化相 γ′以及枝晶间的 γ+γ′花状共晶和少量碳化物 ,γ′相主要为具有良好强化效果的细小立方体 ,尺度约为 0 .1μm     

无源定位系统中解决交叉定位虚假目标的研究

研究了在三站无源传感器定位系统中,将传感器两两组合分别利用修正的Hough变换算法排除虚假交点起始航迹,然后再将各组起始的航迹进行关联来排除虚假航迹,仿真结果表明了该算法的有效性.     

LY12CZ 和 7075T7351 铝合金在 EXCO 溶液中腐蚀动力学的统计研究

采用金相法测量了LY12CZ和7075T7351铝合金各腐蚀区域的腐蚀深度,研究了最大腐蚀深度的统计分布规律,并用统计分析的方法研究了上述合金在EXCO溶液中的腐蚀动力学规律。结果表明：LY12CZ和7075T7351铝合金在EXCO溶液中的最大腐蚀深度服从正态分布的统计规律,可用该统计规律估算最大腐蚀深度;其腐蚀动力学规律可分为两个阶段：浸泡前期的腐蚀发展较快,但规律性不明显;浸泡后期的腐蚀发展稍慢,近似遵循线性规律。     

联合交互式多模型概率数据关联算法

通过对交互式多模型（IMM）算法和概率数据关联（PDA）算法的研究,指出Bar-Shalom和Blom等提出的IMMPDA算法结构和理论上存在的问题。根据全局最优的思想,设计了一个最优波门,从而得到全局最优的量测集合,保证了系统的理论完整性和结构合理性。推导完成了新的联合IMMPDA算法--C-IMMP-DA算法。大量仿真计算验证了C-IMMPDA算法在减少计算量的同时,总体性能上较之原IMMPDA算法有大幅度提高。     

基于模糊灰色关联方法的装备采购定标评价体系

考虑到影响装备采购定标评价的要素的非定量和模糊特征,利用模糊灰色关联理论,从生产产品特征和企业情况两方面出发,综合考虑各评价因素的权重影响并建立了相应的采购定标评价体系.通过案例计算表明,该方法适用于装备采购活动等具有模糊特征的问题研究,对于实现经济采办具有很强的实际意义.     

一种预测拦截未制导方法

本文提出一种预测拦截末制导方法。用等价预测碰撞线代替预测碰撞线,只需要探测视线的角速度,使需要探测的参数减少。文中还提出了外扰动常驻条件下,渐近稳定系统的设计方法。应用该方法设计出的末制导系统,可使导弹的攻击区扩大到一个蛋形球空间,使原理脱靶量趋于零。为说明以上结论,给出了仿真结果。     

BTT—90导弹的一种最优导引规律的设计与分析

本文对BTT-90导弹的一种最优导引规律进行了设计和分析,并将其应用于BTT-90导弹的六自由度弹道仿真计算中,得到了令人满意的结果。仿真计算表明,这种导引规律具有较好的工程实用价值。导引规律由最优控制理论推得,它具有形式简单,物理意义明确的特点。理论质点弹道计算的结果,证明了将这种导引规律应用于BTT导弹的合理性和可实现性。     

基于二维表的频繁集组合方法

挖掘关联规则时,频度集的计算是一个关键问题。现有算法大多从apriori,fp-growth算法演化而来,这些方法都存在有组合爆炸问题:apriori算法是候选模式造成的,而fp-growth算法是条件模式基造成的。因此,对于具有稠密数据的事务数据库现有的方法无法完成频度集的计算,即使是现有最好的fp-growth算法。将给出一种基于迭代思想的频度集计算方法,既不用频繁扫描数据又不用组合计算,实验表明此方法是十分有效的频度集计算方法。     

微分对策制导规律与改进的比例导引制导规律性能比较

本文根据现代战争敌我双方对抗格局 ,提出了防空导弹拦截高速大机动目标 ,采用微分对策强迫奇异摄动方法零阶组合反馈解析解制导规律。这种制导规律只需要导弹和目标的位置、状态变量和法向过载的测量量 ,易于弹上实时实现。为了证明该制导规律的良好性能 ,文中给出了另一种改进的比例导引制导规律 ,并以某防空导弹为研究背景 ,对两种制导规律的性能进行了比较。结果表明微分对策制导规律的弹道参数特性比改进的比例导引制导规律好得多