农业耕作土壤与人工经济林地土壤磁化率和质地特征对比

通过对关中东北部地区人工经济林地土壤（JJC2）和农耕地土壤（JJC1）磁化率与粒度分布特征的研究和对比．试图阐明土地利用方式对土壤发育过程的影响。结果表明：农业耕作土壤和人工林地土壤的磁性特征有着明显的差异;农耕地长期的耕作、污灌以及C4作物玉米的生长与秸秆焚烧等农业管理方式可以增大土壤风化成土作用强度,增加土壤的磁化率;土地利用方式对土壤粒度分布的影响显著,表层0～40cm,1年生作物农田土壤〈2μm和50μm～2000μm颗粒含量均高于人类活动干扰小的多年生园林土壤的含量;整个剖面耕地土壤和人工林地土壤〈2μm和50μm～2000μm颗粒含量变化差异均大于2μm～50μm颗粒变化。图1,表2。参14。     

弹体结构对横向增强型侵彻体作用效果的影响

横向效应增强型侵彻体(PELE)的作用原理基于内芯和外层弹体使用密度不同的材料这一物理效应,因而弹体结构可能对作用效果产生重要影响.采用改变内外径比(I/O和长径(L/D)的方法,利用有限元程序ANSYS/LS-DYNA,对PELE以固定速度垂直撞击靶板进行了数值仿真研究.基于仿真结果,分析了弹丸的内外径比和长径比对横向效应的影响.内外径比取0.5～0.7、长径比取3～5时,PELE既能轻易地穿透靶板,使弹杆轴向速度降低不多,又能产生大量具有较高横向速度的破片,有效地发挥作用.     

LOD算法在3D地表模拟中的应用研究

在大型可视化系统中需要对3D场景进行简化以获得理想的视觉效果和处理速度,层次细节技术是其中较为有效的算法之一,它能在保持较好的视觉效果的同时,减少数据量,提高系统的运行速度.通过介绍一个三维仿真系统中地表的生成过程,描述了层次细节技术中四叉树算法的实现方法,分析和验证了它的简化效果.     

基于强跟踪滤波器的纯方位机动目标跟踪算法

针对无源纯方位跟踪中目标机动的问题,提出了一种基于强跟踪滤波器的机动目标跟踪算法.该算法在目标机动跟踪中通过实时调节增益阵,提高了滤波器对状态变化的跟踪能力,避免了修正增益协方差(MGEKF)算法中所寻找的观测量修正函数不准确而引起较大的误差.同时对量测模型非线性问题采用伪量测变换估计器(PLE)予以解决,它具有形式简单,计算量小的优点.最后将该算法与MGEKF算法相比较,Monte Carlo仿真结果验证了提出算法的优越性.     

基于综合非线性控制方法的飞行控制律研究

应用神经网络控制与动态非线性阻尼控制综合的非线性控制方法对飞行控制律进行了研究.首先使用反馈线性化方法作为基础控制律实现飞机的非线性控制,然后使用神经网络控制与动态非线性阻尼控制综合的控制方法进行补偿,以提高非线性飞控系统的鲁棒性.在以某型推力矢量飞机为对象的仿真中,当出现舵面损伤及一类舵机故障时,这种方法显示出很强的补偿能力.     

均匀离散线阵幅相误差快速校准方法研究

针对实践中声基阵校准问题,分别研究了远场和近场条件下均匀离散线阵幅相误差快速校准方法.远场时,采用单声源且不需要精确已知声源方位,只需精确水平旋转基阵1次,对接收数据的协方差矩阵进行特征子空间分解,再根据推导的公式可快速计算出幅相误差矩阵.近场时,波阵面为球面,不能采用现有的校准方法,因此提出了一种最多只需精确水平旋转基阵3次,通过转动前后的几何关系建立方程组求解各参量,通过公式可把球面波补偿为平面波,然后采用单辅助源法可快速计算出幅相误差矩阵.仿真实验验证了两种校准方法的有效性,并详细分析了各种因素对幅相误差矩阵估计及声源方位估计精度的影响.两种校准方法计算简单且精度较高,操作简单易于工程实用.     

一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案.辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识.并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性.为克服逆控制对非最小相位系统的不足,利用构造铸系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器.仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力.     

面向数字孪生的动态数据驱动建模与仿真方法

信息物理系统(cyber-physical system, CPS)是支撑信息化和工业化深度融合的综合技术体系,传统的建模与仿真方法难以满足其应用需求。因此,提出面向数字孪生的动态数据驱动建模与仿真方法,通过随机有限集对CPS中的物理实体和传感器进行数据驱动建模,并使用基于贝叶斯推理的预测与校正过程支持数据驱动的仿真模型运行。该方法能够很好地实现数字孪生机制下虚实结合的仿真运行,并实现数据驱动的CPS仿真模型解算,通过以实利虚的方式有效提高了仿真结果的准确性和可信性。最后,通过水面舰艇作战应用案例,验证了该方法的可行性和有效性。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于GPS载噪比下降的太阳射电暴检测方法

利用太阳射电暴影响全球定位系统(global positioning system, GPS)性能这一特征,提出一种基于GPS载噪比下降的太阳射电暴检测方法。首先计算观测地的太阳高度角,接着筛选出“降点”和“升点”用于确定单个观测地单颗卫星的波谷时间区间,最后综合多颗卫星和多个观测地得到太阳射电暴的检测结果。实验结果表明:太阳射电暴检出率随太阳入射角的增大而增大,在L2频段对600太阳流量单位(solar flux unit, SFU)以上的太阳射电暴检出率达到80%以上,在L2频段检出效果优于L1。该检测方法识别率高,成本低,不依赖于射电望远镜,能进行全天候实时的监测。