含能快递

北京理工大学研究了铝粒径、固含量和铝氧比对RDX基含铝炸药的水下爆炸性能为了研究铝粒径、固含量和铝氧比对RDX基含铝炸药的水下爆炸性能,作者制备了几种不同铝粉粒径、固含量的含铝炸药,通过水下爆炸实验测试了含铝炸药的水下爆炸性能,包括气泡能和冲击波能。结果表明,铝氧比是影响RDX基含铝炸药的冲击波能和气泡能的主要因素。当Al/O为0.44时,RDX基含铝炸药的水下爆炸总能量达到最大值。研究发现,炸药配方中固含量(AP、Al和RDX)增加可以有效提高炸药的总能量。     

基于FPGA的高性能数字下变频器设计

介绍了基于FPGA的数字下变频器设计中各关键因素。重点分析了几种高效混频预选抽滤波算法，并具体结合在FPGA中的实现，提出了数字下变频器的高速、高精度、低资源消耗的实现方式。     

不同海拔高度下的火炮发射极限速度研究

由经典内弹道理论可知,火炮的发射弹丸初速是存在极限的.根据火炮发射弹丸运动模型,推导了理想情况下的火炮弹丸极限速度公式,分析了不同海拔高度环境大气下的弹丸发射极限速度,研究了对火炮初速的影响程度,定量得到了海拔高度、压力比等参数对弹丸极限速度的影响规律,并得出了海拔环境对火炮初速是存在影响的.该问题的解决有助于为相关应用提供参考.     

引入侧向加速度反馈的侧滑转弯控制方法

针对大展弦比滑翔增程弹大侧滑飞行时滚转干扰力矩大,容易导致滚转舵饱和并造成滚转控制困难的问题,提出了大展弦比滑翔增程弹自动驾驶仪引入侧向加速度反馈的侧滑转弯(STT)控制方法。该方法通过在传统侧滑转弯自动驾驶仪的倾斜通道引入侧向加速度反馈,实现了倾斜角对侧向加速度的跟随,相当于在传统的侧滑转弯控制上增加了倾斜转弯(BTT)控制的效果。六自由度非线性仿真实验表明:大展弦比滑翔增程弹侧滑转弯自动驾驶仪倾斜通道引入侧向加速度反馈后,显著降低了飞行过程的侧滑角,使滚转舵偏远离饱和状态,提高了驾驶仪的滚转控制裕度。     

从欧洲水下防务展看鱼雷发展趋势

通过对最近几年欧洲水下防务展鱼雷技术的变化分析，总结了当代鱼雷的发展趋势。在研发思路上，西方鱼雷研制大国更加务实，走系列化发展道路，按照符合效费比的原则逐步改进鱼雷的性能，采用“制造-试验-制造”的方法，确保鱼雷武器在实战环境下的可靠、有效。在鱼雷设计上，目前主要改进领域集中在制导、推进、隐身、浅水等几个方面，并追求可靠性、保障性和低成本。其中，制导多采用标准总线和一体化设计，在开放式系统中采用COTS电子组件，具有较好的扩展性能，可快速进行软件升级和硬件改进，及时提高战术性能。实践证明，该研发思路符合需求，效果显著，能以最少的花费得到最出色的总体性能提升。     

弹道修正火箭弹对面目标射击的最佳CEP研究

为了确定弹道修正火箭弹的设计指标——圆概率误差(CEP),基于射击毁伤理论,运用像素点法给出不同CEP的毁伤效果图,直观清晰地展示了CEP对毁伤效能的影响。通过矩阵法建立毁伤比计算模型,基于效费分析建立效费比计算模型,得出了某给定条件下不同目标幅员且不同CEP下的毁伤比和效费比。结果表明:该型弹道修正火箭弹的最佳CEP为55m左右,为弹道修正火箭弹的CEP设计提供了理论支持,为其它武器的最佳CEP求解提供了参考。     

高功率脉冲CO_2激光器9.3μm波长选支研究

为获得中心波长9.3μm激光的高功率输出,利用高功率脉冲CO2激光器进行选支实验研究。采用腔镜镀膜选支技术,通过控制对不同波长的透射率或反射率参数,在稳定腔和非稳腔中都得到了中心波长9.3μm激光的单谱线输出。在相同工作参数下,稳定腔中心波长9.3μm激光的能量为其原中心波长10.6μm激光的95%,非稳腔中心波长9.3μm激光的能量为其原中心波长10.6μm激光的93%,两种腔型中心波长9.3μm激光热敏纸光斑颜色与中心波长10.6μm激光的有明显不同。实验表明,采用腔镜镀膜选支技术在稳定腔和非稳腔中都能获得中心波长9.3μm激光的单谱线输出,且激光能量与原腔型输出中心波长10.6μm激光的基本相当。激光热敏纸光斑显示出在相同单脉冲能量作用下,中心波长9.3μm激光对物质的冲蚀作用高于中心波长10.6μm的激光。     

光控光开关的研究进展

对前人提出了多种光开关的方案和最新研究成果进行了概括和总结,按照光开关所能处理的信号类型,将其分为两类,即基于二光平的光控光开关和基于ＲＺ码（弧子）的光控光开关,分析和研究了其工作原理和开关特性,对两类光开关的性能进行了比较。     

基于图像增强与改进Cascade R-CNN的钢轨表面缺陷检测

针对钢轨表面缺陷检测中,钢轨表面图像存在背景不均匀、缺陷尺度变化大且样本数据不足的问题,提出一种基于图像增强与改进Cascade R-CNN的钢轨表面缺陷检测方法.首先,采用改进Retinex算法处理钢轨表面图像,增强缺陷与背景的对比度.然后,采用改进Cascade R-CNN对钢轨表面缺陷进行检测,并应用交并比(IoU)平衡采样、感兴趣区域对齐和完全交并比(CIoU)损失分别解决训练样本IoU分布与困难样本IoU分布不平衡、感兴趣区域池化中取整量化导致的感兴趣区域与提取的特征图不匹配和回归损失Smooth L1对于预测边框回归不准确的问题.最后,采用翻转变换、随机剪裁、亮度变换和生成对抗网络等方法增广钢轨表面缺陷图像数据集,消除样本数据不足导致的网络训练过拟合现象.实验结果表明,该方法以ResNet-50作为特征提取器,平均精度可达98.75％,相对于未改进的Cascade R-CNN提高了2.52％,且检测时间缩短了24.2 ms.