雷達是利用無(wú)線(xiàn)電波來(lái)測定物體位置的無(wú)線(xiàn)電設備。雷達(radar)原是“無(wú)線(xiàn)電探測與定位”的英文縮寫(xiě)。雷達的基本任務(wù)是探測感興趣的目標，測定有關(guān)目標的距離、方問(wèn)、速度等狀態(tài)參數。雷達主要由天線(xiàn)、發(fā)射機、接收機（包括信號處理機）和顯示器等部分組成。
摘 要：采用熔融共混法制備高抗沖聚苯乙烯（HIPS）/磷酸鋯（OZrP）阻燃材料。利用熱重分析（TGA）研究其熱穩定性和成炭量。利用微燃燒量熱分析（MCC）和錐形量熱儀測試（CCT）測試其阻燃性能。結果表明：磷酸鹽的加入，使得阻燃體系的成炭量有所增加，并且HIPS的熱釋放速率（HRR）和熱釋放容量（HRC）均有降低，相比純HIPS
摘 要：為研究發(fā)射藥內彈道性能隨著(zhù)儲存時(shí)間增長(cháng)的變化，通過(guò)高溫加速老化試驗的方法模擬得到不同儲存時(shí)間的發(fā)射藥。利用密閉爆發(fā)器裝置對不同老化時(shí)間下的11/7發(fā)射藥、7/14發(fā)射藥的內彈道參數進(jìn)行測試，得到發(fā)射藥燃燒過(guò)程中壓強隨時(shí)間以及燃速隨壓強的變化過(guò)程。試驗結果表明隨著(zhù)老化時(shí)間的增長(cháng)，發(fā)射藥的最大膛壓越高；
摘 要：針對艦載反潛直升機作戰效能評估中常用的綜合概率法、模糊指數法和神經(jīng)網(wǎng)絡(luò )法等方法的不足，提出一種基于層次分析法（analytic hierarchy process，AHP）和灰色局勢決策（grey-situation decision，GSD）法相結合的多方案評價(jià)改進(jìn)方法，并將其應用于艦載反潛直升機作戰效能評估中。該方法可有效彌補前幾種方法的不足
摘 要：為實(shí)現飛行時(shí)間二次離子質(zhì)譜儀（TOF-SIMS）對二次離子束的提取并提高儀器的調試效率，采用離子光學(xué)仿真軟件SIMION 8.0對TOF-SIMS二次離子光學(xué)系統進(jìn)行仿真。以穩定同位素銅離子為對象，通過(guò)仿真，研究二次離子光學(xué)系統中二次離子提取系統透鏡電極電壓的調整對質(zhì)量分辨率的影響，確定最佳透鏡電極電壓組合,并得到穩定
摘 要：渦流柵傳感器基于橫向電渦流效應設計，其反射導體參數變化對傳感器測量準確度的影響比較明顯，因此需要對反射導體尺寸、形狀參數進(jìn)行分析和優(yōu)化，使其能夠適應更多高準確度的測量場(chǎng)合。利用有限元分析方法（Maxwell軟件）建立渦流柵傳感器的線(xiàn)圈、反射導體模型，對不同尺寸、形狀參數的反射導體進(jìn)行仿真計算，分析反
摘 要：針對滾動(dòng)軸承故障振動(dòng)信號的非平穩性特點(diǎn)，提出一種改進(jìn)經(jīng)驗模態(tài)分解（EMD）和形態(tài)濾波相結合來(lái)提取故障特征信息的方法。該方法首先在原信號中加入高頻諧波并進(jìn)行EMD分解，減小傳統EMD分解中存在的模態(tài)混疊現象，然后從高頻本征模態(tài)分量（IMF）中去除高頻諧波得到故障沖擊成分，經(jīng)形態(tài)濾波消噪后進(jìn)行頻譜分析，提取
摘 要：針對強噪聲下輪對軸承弱故障特征難以提取，以及在實(shí)際信號檢測中檢測信號在故障點(diǎn)到檢測點(diǎn)的傳播路徑中有變形和失真導致實(shí)際采集信號成分復雜難以判別的問(wèn)題，提出基于最小熵解卷積的軸承故障診斷方法。該方法的核心是利用熵最小原理設計最優(yōu)濾波器，突出信號中的脈沖沖擊，使濾波后信號近似于原始沖擊信號，消除檢
摘 要：為抑制經(jīng)驗模態(tài)分解（empirical mode decomposition，EMD）處理過(guò)程中的端點(diǎn)效應，在整理和研究現有方法的基礎上，提出一種鏡像延拓和極值平移相結合的端點(diǎn)處理方法，在最大程度地融合兩種傳統方法優(yōu)點(diǎn)的同時(shí)盡可能地還原信號邊界特征。該方法通過(guò)構造特征平行四邊形使延拓極值處于理想區域，從而避免三次樣條差值過(guò)
摘 要：為提高金屬探傷時(shí)對缺陷的識別能力，提出一種遺傳優(yōu)化支持向量機，結合經(jīng)驗模態(tài)分解（EMD），對超聲波缺陷信號進(jìn)行自動(dòng)識別。首先進(jìn)行經(jīng)驗模態(tài)分解法分解，提取出原始信號特征，構建特征向量。鑒于常用的神經(jīng)網(wǎng)絡(luò )模型識別率不高及支持向量機參數難確定的問(wèn)題，利用遺傳算法優(yōu)化支持向量機模型（GA-SVM）的懲罰因子和
