火炮磁流变后坐系统仿真

将磁流变技术应用于火炮反后坐装置是目前正在发展的一种降低火炮后坐力的新技术,优化火炮反后坐装置控制,达到实时调节阻力。针对某型号火炮,在建立动力学模型和电磁模型的基础上设计了磁流变反后坐系统。为实现理想的后坐控制规律,提出了PID和模糊控制算法。利用ADAMS和MATLAB进行联合仿真,仿真结果表明,在后坐行程范围内,最大后坐阻力分别为3.71×105N,3.53×105N,相比传统火炮减小了13%和17%,并且模糊控制的后坐阻力曲线具有良好的"平台效应",实现了控制目标,表明磁流变阻尼器良好的可控性和应用于火炮后坐系统中的可行性。     

某型发射装药保温时间仿真研究

针对国军标规定的发射装药保温时间较长和试验研究的盲目性,为准确掌握保透时间,对某型发射装药开展保温时间仿真研究.首先论述了发射装药保温的原理,接着利用三维实体建模软件Solidworks建立了发射装药实体模型,通过传热学计算和运用测试手段确定了有关参数,运用ANSYS有限元模拟分析软件对发射装药内部温度的传递变化规律进行了仿真,得到了发射装药温度场分布与保温时间的关系及发射装药保透所需时间,最后通过试验验证了仿真研究的合理性,证明了现行国家军用标准规定的保温时间有很大压缩空间.     

四旋翼无人机的系统模型与辨识

研究无人机系统优化控制问题,为实现四旋翼微型飞行器的自动控制飞行,需要得到正确的系统模型参数,实现精确控制。子空间辨识法可以直接地反应出多输出多输出系统模型,算法比较容易实现。首先从四旋翼的力学模型出发,建立了在小角度假设下的线性系统模型,并首次将子空间辨识方法运用到四旋翼飞行器的辨识中。用仿真实例实验,假设飞行器在缓慢上升过程,采用由子空间辨识方法获得的系统模型输出与原系统在同样输入条件下的输出进行了比较。结果表明在假设条件下的辨识具有可行性,为中旋翼无人机优化控制提供了依据。     

人工智能技术在遥感图像分类中的应用

研究遥感图像分类精度问题,遥感图像分类根据图像特征进行分类,然而其特征维数相当高且信息冗余严重,分类器不能降低特征维数,导致分类器计算量大,图像分类效率和正确率低。利用主成分分析(PCA)降维特征维数的优点,提出一种基于PCA-SVM的遥感图像分类方法。PCA-SVM算法首先采用LBP算子提取遥感图像特征,然后采用PCA对遥感图像特征进行降维处理,减少特征维数并消除特征冗余信息,获得对分类结果贡献大的特征,最后采用SVM进行遥感图像分类。仿真结果表明,PCA-SVM提高了遥感图像分类效率和正确率。     

重型车辆流量控制式ECHPS系统建模与仿真

关于车辆转向液压系统优化控制问题,针对重型商用车辆传统的具有固定助力特性的HPS系统存在的高速时转向操纵安全性差的问题,提出一种旁通流量控制式电控液压助力转向(ECHPS)系统,建立了ECHPS的机械和液压子系统模型及整车二自由度动力学模型。分析了转向系统可变助力特性的设计要求,建立了ECHPS助力特性MATLAB/Simulink仿真模型,通过仿真计算得到了ECHPS在不同车速下的转向助力特性曲线。仿真结果表明,所设计的ECHPS可变助力特性同时满足了低速时的转向轻便性要求和高速时的良好转向"路感"和操纵稳定性,并得到旁通流量与车速的关系曲线为设计ECHPS旁通流量阀开度的控制策略提供了基本依据。     

基于遗传神经网络的网格资源预测模型

研究网格资源预测问题,网格资源具有非线性、混沌变化特点,传统BP神经网络具有局部极小、收敛速度慢等缺陷,预测精度较低。为提高了网格资源预测精度,提出一种基于遗传神经网络的网格资源预测模型。利用遗传算法对BP神经网络的权值和阈值进行优化,然后采用BP神经网络对网格资源建立预测模型,最后采用网格资源时间序列进行有效性仿真。仿真结果表明,遗传神经网络有效地解决了传统BP神经网络的不足,提高了网格资源的预测精度,降低了预测误差,十分适合于非线性、混沌的网格资源时间序列预测。     

定向井压裂裂缝三维扩展形态的可视化仿真

在石油定向井压裂过程中,井筒附近的水力裂缝的三维扩展往往存在转向及扭曲等复杂形态,容易引起一系列施工问题.由于目前条件的限制,裂缝形态大多以图表数据来展示,使得人们很难对裂缝的三维形态产生形象的直观认识.为了解决定向井三维裂缝扩展形态复杂难以可视化的问题,深入研究了井筒附近裂缝空间转向模型,并进一步将定向井裂缝延伸模型的适用范围扩展到了任意的井斜、方位及射孔方位下.同时,对可视化平台软件进行二次开发,使得建立的定向井裂缝扩展模型能在仿真界面上显示出来.仿真结果表明,裂缝扩展的建模思路和仿真方法能够取得很好的可视化效果.     

军事物流配送中心选址模型的构建

研究了军事物流配送中心优化选址建模问题。针对当前军事物流配送因为涉及变量多,关联程度强难以进行选址的难题,为加强选址的科学决策,对军事物流配送中心概念进行了界定,在明确军事物流选址的流程、步骤和一定数目的备选配送中心的基础上,采用离散二进制PSO解决配送中心的选择问题,建立了根据粒子群优化算法的军事物流配送中心选址优化模型。通过实例验证,模型构建科学合理,降低了计算的复杂度,优化了选址模型,为解决军事物流选址问题提供了科学的途径和手段。     

基于模糊神经网络的智能车辆路径跟踪

在自主车辆路径优化控制的研究中,针对智能车辆传统的路径跟踪控制需要建立精确的数学模型且鲁棒性差的问题,提出了一种模糊神经网络的角速度控制器设计方案。首先建立了智能车辆运动学模型;然后以方向角误差和位置误差作为该控制器的输入,利用神经网络的学习能力来调整模糊参数得到性能优化的控制器,最后对直线和圆路径进行了路径跟踪仿真。仿真结果表明提出的模糊神经网络控制算法具有很高的控制精度和较好的鲁棒性,能够满足智能车辆实时精确路径跟踪的优化控制。     

概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。