低温共烧陶瓷雷达引信接收前端

低温共烧陶瓷(LTCC)工艺技术是一种可实现微波电路小型化、高可靠性的新型技术.引入LTCC技术和微组装技术设计制作了一种S波段雷达引信接收前端模块.测试结果表明:接收前端技术指标满足引信设计要求,在电路性能相当的情况下,其体积和重量相对于传统组件有较大减小.     

低温共烧陶瓷爆炸箔起爆芯片的设计、制备与发火性能

采用低温共烧陶瓷(Low Temperature Co-fired Ceramics,LTCC)工艺实现了爆炸箔起爆芯片的一体化集成制备。采用丝网印刷的方式制备了厚度为5μm的Au桥箔(300μm×300μm);采用25μm和50μm两种厚度的生瓷片作为爆炸箔起爆芯片的飞片,设计了圆形(Ф=400μm)和方形(L×W=300μm×300μm)的两种加速膛形状的爆炸箔起爆芯片。在0.22μF电容放电条件下,研究了Au桥箔的电爆性能。通过光子多普勒测速技术分析了陶瓷飞片的速度特征及其运动过程中的形貌。结果表明,在发火电压1.8 kV下,Au桥箔的能量利用率最大;飞片的终态速度随着发火电压的增加而增大;在相同的发火条件下,飞片经方形加速膛加速后的出口速度比圆形加速膛高出106～313 m·s~(-1);另外,陶瓷飞片越厚,飞片在飞行过程中的运动形貌保持得越完整。该工艺制备的爆炸箔起爆芯片可成功点燃硼/硝酸钾(BPN)点火药,并起爆六硝基芪(HNS)炸药。LTCC爆炸箔起爆芯片(50μm厚陶瓷飞片,圆形加速膛)的最小点火电压为1.4 kV,最小起爆电压为2.5 kV。     

基于人工侧线系统的动载体流场感知

为增强水下航行器的导航和感知能力,通过模拟鱼类侧线在水下航行器中搭建人工侧线系统。介绍鱼类 侧线的功能和人工侧线的国内外研究现状,分析侧线管神经丘的生物模型以及 BP 神经网络算法的原理;将实验和 数值模拟方法相结合,分别收集水下航行器在不同流场环境下的静压数据;通过神经网络算法对流场的流速以及来 流角度进行识别。结果表明：BP 神经网络算法可有效识别流场参数,识别率达到 95%以上。     

基于遗传神经网络的简易制导炸弹有控弹道设计

结合简易制导炸弹的方案弹道实时寻优技术和控制律,提出了一种以遗传算法和神经网络为基础的有控弹道设计方法.该方法针对炸弹的控制系统构成,在内回路中引入极小邻域零收敛鲁棒稳定准则以确保内回路BP神经网格稳定,在外回路的设计中,采用附加时域指标集的适应度函数方法以跟踪阶跃响应.其中,外回路的BP神经网络的结构及初始权值采用并型遗传算法进行优化设计.在全弹道设计中,结合智能降阶动态解耦思想,采用变增益控制方法较好地实现了炸弹的有控飞行,仿真结果良好.     

唯相位控制低副瓣直线阵的免疫算法综合

采用免疫算法来优化相控低副瓣直线阵。详细讨论了该算法应用于相控低副瓣直线阵优化的基本问题。文中免疫算法中采用了基于适应值的高斯变异．加快了算法的收敛速度。对八阵元组成的等间距直线阵进行了数值实验。仿真结果表明．该算法能有效地抑制直线阵左右最大旁瓣．获得了比基本遗传算法更低的最大副瓣．并且收敛速度明显优于基本遗传算法。     

基于BP 神经网络的掌子面前方围岩自稳能力评估

地下工程依托地质体的岩石类型条件（围岩）直接关系到工程的精确口部选址、工程主体建设轮廓、工程施工手段和工程跨度,并且影响对工程的防护性能评估。为了精确评估围岩的稳定性,在BP神经网络的模型的基础上对其进行优化,建立了作业工程掌子面前方围岩稳定性评估模型。主要通过加入动量因子、采用自适应调节率这两种方法对传递函数进行优化,提高神经网络收敛速度;对于一些非线性、多模型、多目标的函数优化问题具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。通过对BP神经网络的的初始权值和阈值进行优化,跟围岩的受力特性进行比较,能精准快速评估围岩的稳定性,节约大量人力资源,提高工作效率。     

面向火炮射击密集度的随机因素稳健设计

为了实现对射击密集度的有效控制,解决考虑随机因素的射击密集度优化设计问题,利用基于随机模型和随机优化的稳健设计理论,提出一种指标要求导向型的随机因素参数区间计算方法。基于蒙特卡洛模拟,采用六自由度外弹道模型,利用某型大口径榴弹炮数据求解射击密集度并研究其统计特性。利用不合格概率、灵敏度指数两个稳健目标准则,构建射击密集度稳健设计随机模型。采用带精英策略非支配排序遗传算法并结合反向传播神经网络代理模型技术对稳健设计随机模型进行优化求解,确定符合指标要求的随机因素参数区间。对比分析结果表明,该方法可同时保证射击密集度指标的最优性和稳健性,对射击密集度的预测具有一定可行性。     

圆环面铣刀高速铣削S50C模具钢的工艺参数研究

为了探究高速铣削过程中工艺参数对表面粗糙度的影响规律,采用多因素正交试验方法对常用模具钢S50C进行高速铣削试验,测量了使用圆环面铣刀铣削加工时不同主轴转速、进给速度、切削深度、切削行距、刀具倾角下加工工件的表面粗糙度,利用人工神经网络结合遗传算法建立了表面粗糙度预测与工艺参数优选模型,并且对模型的有效性进行了验证。结果表明,此方法可以用于切削加工前表面粗糙度的预测与工艺参数的优选,同时也为其他材料加工工艺参数的研究提供了方法。