步兵战车自动炮连发射击弹丸起始扰动仿真分析

为描述步兵战车自动炮连发射击精度变化规律,对自动炮首发射击弹丸起始扰动与次发射击弹丸起始扰动进行了仿真计算.基于移动荷载理论,以圆柱坐标系中弹丸径向速度为表征量建立了自动炮首发射击弹丸起始扰动仿真模型;在对首发弹丸射击后身管的剩余振动能量进行动力学仿真的基础上,应用身管膛线起始部单元在首发射击赋予的初始径向位移和初始径向速度作为身管的初始边界条件,建立具有身管初始扰动的弹炮耦合振动模型,对次发弹丸的起始扰动进行了仿真分析.仿真结果表明,首发弹丸射击后身管剩余振动能量大大增加了次发弹丸的起始扰动.     

大口径狙击步枪动力学仿真与分析

基于多刚体动力学,对某型大口径狙击步枪发射过程进行了动力学分析。通过对自动机和液压缓冲器进行分析,将带液压缓冲器的狙击步枪简化为质量-弹簧-阻尼系统,并在MATLAB/Simulink下建立了大口径狙击步枪动力学仿真模型,仿真结果与实测结果对比,误差在10%以内,证明了仿真模型的准确性。该模型作为一个便捷的分析平台,可以为大口径狙击步枪参数优化及结构改进提供理论依据,从而提高大口径狙击步枪设计效率。     

基于虚拟样机的多管火箭起始扰动仿真系统

依据多管火箭起始扰动计算原理，对比分析了采用虚拟样机技术进行多管火箭起始扰动仿真分析方法相对于传统测试方法的优越性；结合对ADAMS软件的二次开发，介绍了多管火箭起始扰动仿真分析系统的功能及软件实现；通过实际算例，验证了系统的正确性和有效性。     

核动力蒸汽发生器水位动力学特性仿真与分析

利用核动力蒸汽发生器(SG)的数学模型和Mathlab的Simulink仿真工具建立了SG水位动力学特性的仿真模型。应用该仿真模型对几种典型的反应堆运行功率下SG水位动力学特性进行了仿真计算。SG水位动力学特性的仿真分析包括不同反应堆运行功率时给水流量扰动作用下的水位动力学特性仿真分析和蒸汽流量扰动作用下的水位动力学特性仿真分析。结果表明,仿真模型准确描述了给水流量扰动、蒸汽流量扰动以及反应堆功率变化对SG水位动力学特性的影响,并正确描述了SG运行中的逆动力学效应。利用该模型可以对SG水位动力学特性进行精确的分析。     

火箭弹在定向管内碰撞运动的仿真研究

建立了火箭弹在定向管内运动的碰撞模型,并分析了火箭弹在管内运动的受载情况,在此基础上,对火箭弹在管内的碰撞运动过程进行建模和仿真计算,得出其运动规律。质量偏心、推力偏心和弹管间隙是影响火箭弹在管内碰撞作用和初始扰动参数值的主要因素,在考虑上述因素存在情况下,对火箭弹的碰撞运动进行仿真计算,得出一些有益结论。仿真研究为某火箭炮发射动力学分析和射击精度提高打下基础,为火箭弹和定向管的结构优化设计与制作提供参考和借鉴。     

基于刚柔耦合的火箭发射箱振动特性仿真研究

火箭武器弹-架系统的振动引起火箭弹的初始扰动,振动结果集中反映到定向器管口上,而发射箱的柔性变形对振动结果的影响不可忽略。通过建立某火箭武器发射箱基于弹管碰撞作用的刚体振动模型,并考虑发射架和定向器的柔性变形因素,用动力有限元法建立发射箱的柔性多体模型,经仿真计算和模型验证,对刚体振动结果和柔性变形结果耦合叠加,得到了发射箱的综合振动特性结果,掌握了影响发射箱振动的因素和规律,进行了火箭弹初始扰动的计算。研究方法和计算结果为某火箭武器初始扰动分析、弹道修正及提高射击精度提供了参考,也为同类火箭武器动力学分析提供借鉴。     

远程多管火箭发射动力学仿真

远程多管火箭发射动力学仿真是进行远程多管火箭动态设计和提高武器系统性能的前提。对某简易控制远程多管火箭发射与控制动力学进行了深入的理论、计算和试验研究,建立了远程多管火箭刚弹耦合的多体系统发射动力学模型和发射动力学方程。在远程多管火箭发射动力学理论研究的基础上,形成了远程多管火箭发射动力学数值仿真系统。对远程多管火箭在发射过程中振动特性和动力响应进行了数值仿真,仿真结果得到了试验结果的验证。     

基于虚拟样机的火炮系统建模仿真与优化研究

以某小口径自动炮遥控武器站为研究背景,对其进行动力学建模仿真与优化研究.首先介绍了虚拟样机技术的发展和应用,利用多体动力学原理建立系统的动力学方程;在UG中建立遥控武器站三维装配模型的基础上,利用ADAMS软件平台建立遥控武器站虚拟样机并进行了校核;然后利用火炮发射动力学技术,对其连发射击状态进行了多刚体系统动力学仿真;并对火炮系统的后坐力和射击精度进行了优化.研究结果为遥控武器站总体设计和部件设计提供了理论依据.     

基于K-L变换的网络调制识别方法

针对BP网络进行通信信号调制样式识别的场合,在输入层和输出层节点数确定的条件下,提出在网络训练完成后应用K-L变换方法确定网络隐含层的节点数,对网络结构进行优化。利用K-L变换的正交性,去除了网络结构的冗余,给出了该算法的理论推导和具体应用步骤,通过仿真验证了算法的有效性和顽健性。利用BPSK、QPSK、16QAM等数字调制信号,选取了三个特征量,分别用优化前后的网络进行调制识别,实验表明优化前后网络的识别性能基本一致。     

基于刚柔耦合模型的发射装置动力学仿真分析

为研究车载倾斜发射装置发射过程中动力学响应情况,以有限元软件和多体动力学软件为基础,建立某型导弹发射装置刚柔耦合动力学模型,研究燃气流作用、液压缸变形、发射车架变形、发射转台变形以及发射箱支架变形等因素对发射装置动态响应的影响,获得各种因素对发射箱下沉量的影响系数.研究结果表明,利用刚柔耦合模型,能够有效模拟导弹发射过程中的动力学响应过程,为发射过程扰动研究提供依据.     

基于递归小波神经网络的非线性动态系统仿真

为提高动态递归神经网络的动态系统仿真能力，在Elman神经网络的基础上，提出动态递归小波神经网络（RWNN），给出了其动态梯度下降算法，并将其成功应用于非线性动态系统仿真．仿真算例表明，该网络具有收敛快，精度高等优点，仿真效果很好，同时具有较好的泛化性能，具有广阔的应用前景。     

基于RBF神经网络的高斯混合近似算法

在分析RBF神经网络基本结构的基础上,提出一种基于RBF神经网络求解非高斯概率密度近似为高斯概率密度和的方法.该方法通过选取高斯函数作为神经网络的径向基函数,提取训练好的网络参数,运用这些参数构建混合成分的函数模型.理论分析与仿真证明,与传统采用EM近似算法相比,该算法具有求解跟初值的选取无关、能避免发散、收敛快的特点.     

基于神经网络的自由漂浮空间机器人鲁棒控制

针对带有模型误差及外界扰动的自由漂浮空间机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制策略。采用对神经网络状态空间进行划分后与滑模变结构结合的控制器,对不确定非线性进行自适应学习,逼近误差作为外部干扰由鲁棒控制器消除。该方法从整个闭环系统的稳定性出发,利用H_∞理论设计的鲁棒控制器及神经网络权值的在线调整规则保证了系统的稳定性,并能使系统L2增益小于给定的指标,具有较好的控制精度及动态特性。仿真分析进一步证明了该自适应鲁棒控制算法的有效性。     

结构智能半主动控制系统仿真设计

通过在电液伺服材料性能实验机MTS机上进行磁流变阻尼器动态特性神经网络辨识试验，建立了MR阻尼器的神经网络逆动态特性模型。通过离线训练设计了结构的神经网络辨识器、控制器模型，并提出了MR阻尼器神经网络半主动控制方案。将所建的MR阻尼器的神经网络逆动态模型、结构的神经网络辨识器模型、以及神经网络控制器模型用于结构的神经网络半主动控制并进行仿真，结果表明所建模型及控制方案能够有效降低结构的振动响应，同时最大限度地发挥MR阻尼器的动态特性。     

锌电解过程电流效率的模糊神经网络模型设计

针对锌电解过程参数关系的非线性,样本数据少,知识有限等特点,本文采用了一种五层结构的模糊神经网络建立电流效率与酸锌比、电流密度的关系模型;为避免神经网络学习过程陷入局部最小,首先聚类产生网络的初始值;然后通过一种基于模糊逻辑的启发式学习算法对神经网络进行训练,提高收敛速度;仿真结果表明了这种模型的有效性.     

基于神经网络集成的说话人识别算法仿真研究

说话人识别研究中采用的语音信号特征同时包含了语义信息和话者信息,二者相互影响,给识别带来了很大的困难。为解决这个问题,我们将集成思想应用于说话人识别中,针对每个汉语单韵音的特征空间训练一个神经网络实现说话人分类,并使用另一个神经网络对多个单韵音神经网络识别器的识别结果进行结合。该方法可以有效地避免语义信息对说话人识别的干扰,提高识别精度。不仅如此,神经网络集成的识别结果还可以同时给出该帧语音所属的单韵音类型。仿真实验结果表明,集成系统的识别精度高于单一神经网络,并且在与多种算法的对比中也展示了良好的性能,更重要的是,该方法给出了一种从语音特征中分离语义信息和说话人信息的新思路。     

基于神经网络的仿真优化算法设计

为降低传统仿真优化方法所需的仿真次数,从而缩短仿真优化时间,提出了基于广义回归神经网络(generalized regression neural network,GRNN)的仿真优化算法设计。首先,利用仿真生成一定数量的样本集,利用GRNN进行训练,得到初始回归曲面,并在该曲面上利用模式搜索算法找出全部可能的局部极小,由于可能会找到一些假局部极小点——噪声点,设计了剔除噪声点的方法,得到全部局部极小;在各局部极小点周围增补少量仿真样本,再次利用GRNN进行训练,得到新的回归曲面。重复增补样本,直到得到仿真优化的最优解。实例表明,所提方法能够有效降低所需样本的数量,实现仿真优化问题的求解。     

一种神经网络非线性噪声消除方法

针对阶数的增加,Volterra滤波器的滤波系数个数呈几何级数增长,实现困难的问题,提出采用基于Levenberg-Marquardt(LM)算法的BP神经网络逼近Volterra滤波器,实现神经网络非线性滤波,使计算简化。采用的方法是,先离线调整Volterra滤波器的系数,再用调整好的Volterra滤波器监督训练LM-BP神经网络,然后用训练好的LM-BP神经网络进行非线性自适应滤波。仿真实验结果表明,LM-BP神经网络滤波器较其学习导师———Volterra滤波器具有更好的噪声滤除效果。     

递归神经网络在堆石坝地震响应分析中的应用

针对堆石坝系统的地震响应分析问题，提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力，从观测的结构动态系统输入输出数据中重构原系统的输入输出特性，并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明，所提出的神经网络方法较好地学习了这两组结构系统的动态特性，并显示出较好的预测效果。     

高精度伺服系统神经网络自适应控制研究

经典的、基于对象模型的PI控制方法简单、易于实现,但对于一些负载扰动和模型参数的变化,往往不能起到很好的抑制作用。针对上述问题,提出了一种神经网络自适应PI的控制方法,利用负载干扰观测器和神经网络自适应地调整PI控制器的参数,从而来有效地减少负载的干扰和模型参数的变化对系统造成的影响,提高了系统的鲁棒性。仿真结果表明了该方法的有效性。