基于面向对象模型库的DSS可重用体系结构研究

通过对DSS中模型结构的研究,给出了基于面向对象模型库及其动态管理系统的DSS可重用体系结构,以及该体系结构的实现方法与工作流程.最后介绍了该项研究的应用情况.     

光学区雷达目标散射中心提取及识别方法研究

首先回顾了在宽带体制下光学区雷达目标频域响应的特性 ,而后给出了矩阵束算法的原理 ,并应用该算法提取光学区雷达目标的散射中心 ,提出了所谓“基于散射中心极点和幅度的相关匹配目标识别方法” ,最后给出了五种飞机缩比模型宽带散射数据的实验结果。实验结果表明 ,该识别方法在白噪声条件下具有高识别率和强抗噪声能力。     

高炮DIS中PDU设计及与VR-Link通信的实现

从应用角度讨论了分布式交互仿真 (DIS)的协议数据单元PDU的类型、结构和格式等方面 ;并论述了PDU的设计方法 ,及与基于DIS体系结构的商业平台VR_Link通信的实现 .     

惯性积对光电设备减振性能的影响

在机动平台上一般采用被动减振系统来保护光电设备,设备的惯性积直接影响着减振系统的动力学特性和幅频响应特性,引起对应两角振动的耦合。为了定量确定惯性积的影响,根据动力学理论建立了系统的六自由度动力学模型并简化为两自由度模型,利用无量纲化方法,推导了固有频率与惯性积之间的数学关系,分析了在不同惯性积下系统的幅频响应。结果表明,系统的两阶固有频率随惯性积分别单调递增和单调递减,并且在惯性积为零处差值最小;系统对应的两阶固有频率差值随惯性积单调递增,在惯性积为零处最小;在低阶模态方向,惯性耦合系统的减振性能优于无耦合系统。     

比值居民地指数在城镇信息提取中的应用

TM图像中由于裸地与城镇光谱特征相似,利用传统的分类方法难以区分二者,城镇提取精度很难令人满意针对这一问题,本文提出了一种新的方法即比值居民地指数（RRI）法用于城镇信息提取,同时与最大似然监督分类法作对比,研究结果表明,RRI法（精度达87.50％）优于最大似然分类法（精度为78．13％）,是一种提取城镇居民地信息的理想方法,尤其适合裸地较多的干旱半干旱地区．     

乔木护坡效果物理模型试验研究

随着人们对环境保护的日益重视,植被护坡作为一种生态友好型的边坡支护方式逐步得到了广泛应用,其中针对草本和灌木护坡效果的研究较多,但有关乔木护坡效果的研究较少。为此,通过3D打印技术制作了较为逼真的乔木根系模型,并基于自行设计的滑坡物理模型试验平台,开展了乔木护坡效果物理模型试验,对边坡变形破坏全过程中抗滑力、坡体位移和坡体滑动面积进行了分析。结果表明：与无根系护坡试验工况相比,(1)有根系护坡坡体的抗滑力峰值增大、达到峰值所用时间延长,峰后抗滑力衰减程度降低;(2)有根系护坡坡体的坡体位移,随着根系长度和布设排数的增加总体呈现下降趋势,且研究发现,持续增加根系长度并不能持续显著减小坡体位移,而当根系长度较大时,适当减少根系布设排数亦能达到较好的护坡效果;(3)有根系护坡坡体的滑动面积明显减小。上述认识丰富了乔木护坡效果方面的研究,对乔木护坡实际工程应用有一定指导意义。     

地铁车站结构上穿可液化土层地震响应分析

地基液化是导致地下结构在地震中发生严重震害的重要威胁之一。以北京某箱型框架式地铁车站上穿一定厚度的可液化土层为工程背景,基于有限差分软件FLAC^3D建立了含有可液化土层的场地土-地下结构相互作用数值模型,分析了场地液化分布特征、周围场地位移沉降及矢量特征、地下结构动力反应及上浮特征等。结果表明,地下结构的存在加大了可液化场地的地层变形,但会显著降低结构上方一定范围内地表土体的地震响应;可液化土层中的孔压发展表现为“起始缓慢增长、最后急速增加至峰值并保持一定时间,最后缓慢消散”的规律,孔压达到峰值的时刻与输入地震动的峰值时刻接近;结构的竖向位移变化表现出“起始少量下沉,然后振荡上升,随后急剧上浮,最后缓慢下降”的发展阶段;液化场地中,地铁车站结构附近的土体部分上浮、部分沉陷是造成地表土体开裂的内因;下部可液化土层对上穿的地下结构的地震响应具有一定的隔震效果。     

神经网络参数对地震类型识别的影响

由于震源识别模型判据选取不当或关键参数设置不合理,现有地震辨识模型的性能受到一定制约。为了改善地震类型识别效果,优化反向传播(back propagation, BP)神经网络参数设置,提出了一种经验模态分解(empirical mode decomposition, EMD)多尺度近似熵(multi-scale approximate entropy)判据,并讨论训练函数、激活函数、隐藏层神经元数目与学习速率等网络参数对地震辨识的影响。首先,针对多组天然地震事件及人工爆破事件波形进行关键信息提取与归一化,利用EMD算法提取6个本征模态函数(intrinsic mode function, IMF)和1个剩余分量(residual),然后分别计算近似熵得到EMD多尺度近似熵向量;再次,设计一系列BP神经网络调参实验,研究BP神经网络参数对地震类型识别的影响。结果表明,训练函数、激活函数、隐藏层数目等参数对地震辨识产生了明显的影响,辨识效果较好的参数组合为：训练函数采用共轭梯度法,输出层激励函数为purelin函数,隐层激励函数为logsig函数,隐层节点数和学习率分别设置为10和0.0...     

变时滞神经网络指数稳定性条件

基于时滞细胞神经网络(DCNNs)在图像处理等领域的广泛应用,有关它的研究引起了越来越多学者和专家的关注.早期DCNNs稳定性的结果大多由网络权矩阵的分量构成的代数不等式来表示.运用Lyapunov-Krasovskii泛函的方法,研究了DCNNs的指数稳定性,所得充分条件以矩阵的(半)正定形式出现,在实际应用中更加便于验证.与文献中的结果相比较,所得判据适用范围更广.