弹箭非线性角运动周期解稳定性分析

为了分析和计算弹箭非线性角运动周期解的稳定性,推导了弹箭的非线性角运动方程组。以某型火箭弹高原试验为例,计算了立方马格努斯力矩系数取不同值时的角运动相图和庞加莱截面图; 通过Poincare映射计算了线性马格努斯力矩系数作为分岔参数时的分岔图; 利用推广的打靶法计算了角运动周期解的幅值和周期,结合Floquet理论分析了周期解的稳定性。结果表明,在高空低密度的情况下,考虑非线性马格努斯力矩系数后,当马格努斯力矩系数达到一定范围时,火箭弹角运动由零平衡位置分岔出稳定的周期运动。     

指数趋近律单向辅助面滑模控制

结合指数趋近律,对一种新型单向辅助面滑模控制方法进行了讨论。首先根据给定的非线性系统方程设计切换面,并在状态约束条件下设计单向辅助面;之后依据单向辅助面滑模控制器设计方法,设计基于指数趋近律的单向辅助面滑模控制器,且指出系统状态在有限时间内收敛到切换面上,并给出收敛时间计算式;最后通过实例仿真验证,基于指数趋近律的单向辅助面滑模控制器不仅能有效抑制系统中的抖振,而且收敛速度快于普通单向辅助面滑模控制方法。     

线源圆轨道锥束扫描三维CT重建算法

基于点X射线源圆轨道锥束扫描的FDK近似3D-CT重建算法重建速度快，在10。锥角内重建精度高，因此在工程上得到广泛应用。但是，这种算法不能满足线X射线源圆轨道锥束扫描的情况。为此，将上述点源FDK近似原理拓展到线源情况，推导了线源圆轨道锥束扫描3D-CT重建算法。计算机仿真结果证明了该算法的正确性。利用这种算法，对圆轨道锥束大视场扫描3D-CT实验数据进行重建，获得了正确的图像。     

一种应用于水动力数值分析的浮体湿表面网格生成技术

给出了一种浮体湿表面网格生成方法。利用累加弦长理论对型值点进行等弦长均匀化处理,构造通过均匀型值点的双三次B样条曲面,完成曲面描述,获得曲面网格。以立柱和横梁的网格为基础,利用直线与平面的相交关系,求出立柱与横梁交线上的型值点,依据无限插值理论生成交线周围过渡区的网格,并完成浮体整体网格的拼接。     

锥束准三代三维工业CT成像方法研究

基于FDK( Feldkamp,Davis and Kress)重建算法的圆轨道锥束扫描方式,因为算法的简洁性和工程实现的可行性,成为目前主要的三维工业计算机X射线断层摄影术( 3D-ICT)成像技术。但受探测器长度的限制,该种技术的扫描视场小,可检构件尺寸受到限制。为解决较大尺寸构件3D-ICT检测问题,讨论了一种扫描锥束偏转的准三代3D-ICT成像方法,推导了它基于FDK原理的滤波反投影( FBP)重建算法。计算机仿真验证了该方法的正确性。分析表明,在扫描锥束偏转两次情况下,其有效扫描视野比圆轨道扫描方式提高1.4倍以上。     

现浇混凝土楼板裂缝成因及防治措施探析

目前,业主针对混凝土楼板裂缝的投诉越来越多,给房地产开发企业造成了困扰,甚至影响了品牌建设。为了有效的解决此类问题,文章分析了现浇混凝土楼板裂缝成因,提出了防治措施,并结合工程实例,对该工程的裂缝成因进行了探究,并提出了整改措施。     

基于扩展卡尔曼滤波的气动参数在线修正方法

提出了在风洞试验获取的气动参数的基础上对由各种误差和扰动引起的气动偏差进行修正的方法。采用扩展卡尔曼滤波算法,利用雷达获取在线飞行弹丸的一段飞行数据(位置和速度),使用已知的气动参数对飞行数据进行过滤得到气动参数的修正系数,对已知气动参数中的阻力系数和升力系数进行修正,为后段弹道计算提供更加精确的气动参数。通过仿真计算,验证了上述方法的有效性,并利用弹道外推计算,通过对比落点误差证明了上述方法的精确性,为气动参数辨识和弹道修正提出了新的途径。     

基于不同趋近律的滑模控制相轨迹分析

对于采用单向辅助面滑模控制的二阶非线性系统,考虑到不同形式的趋近律和不同的初始状态,对其相轨迹的运行规律进行了研究,给出了切割面的概念和表示形式.根据相位轨迹的分布,分析了不同初始点和三种不同形式的趋近律对相轨迹的影响,同时讨论了相位轨迹通过两个切换面时的运动规律,分析了两条切换面的作用.仿真结果验证了相轨迹的分布规律和切割面的正确性.     

预制构件吊装技术在锦丰新城项目中的应用

本文结合锦丰新城项目介绍了建筑工业化预制构件的吊装技术,该技术采用现场制作吊装梁,根据构件重量及吊装要求优化吊装方案,解决了构件吊装过程中构件表面损坏及应力破坏的质量难题,确保了预制构件吊装质量,取得了良好社会效益和经济效益。     

基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测

针对弹丸非线性轨迹预测问题,提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型,并使用4阶龙格库塔法外弹道仿真,得到大量轨迹数据样本;提出CNN-LSTM神经网络的混合轨迹预测模型,并利用滑动窗口法和差分法构造输入输出的轨迹数据对,将预测问题转化为有监督的学习问题;将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验。研究结果表明,CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型,为弹丸轨迹预测研究提供了一定的参考。