雷達(dá)是利用無線電波來測定物體位置的無線電設(shè)備。雷達(dá)(radar)原是“無線電探測與定位”的英文縮寫。雷達(dá)的基本任務(wù)是探測感興趣的目標(biāo)，測定有關(guān)目標(biāo)的距離、方問、速度等狀態(tài)參數(shù)。雷達(dá)主要由天線、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(wěn)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(jié)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(nèi)彈道性能隨著儲存時間增長的變化，通過高溫加速老化試驗的方法模擬得到不同儲存時間的發(fā)射藥。利用密閉爆發(fā)器裝置對不同老化時間下的11/7發(fā)射藥、7/14發(fā)射藥的內(nèi)彈道參數(shù)進(jìn)行測試，得到發(fā)射藥燃燒過程中壓強隨時間以及燃速隨壓強的變化過程。試驗結(jié)果表明隨著老化時間的增長，發(fā)射藥的最大膛壓越高；
摘 要：針對艦載反潛直升機作戰(zhàn)效能評估中常用的綜合概率法、模糊指數(shù)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(jié)合的多方案評價改進(jìn)方法，并將其應(yīng)用于艦載反潛直升機作戰(zhàn)效能評估中。該方法可有效彌補前幾種方法的不足
摘 要：為實現(xiàn)飛行時間二次離子質(zhì)譜儀（TOF-SIMS）對二次離子束的提取并提高儀器的調(diào)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(tǒng)進(jìn)行仿真。以穩(wěn)定同位素銅離子為對象，通過仿真，研究二次離子光學(xué)系統(tǒng)中二次離子提取系統(tǒng)透鏡電極電壓的調(diào)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(wěn)定
摘 要：渦流柵傳感器基于橫向電渦流效應(yīng)設(shè)計，其反射導(dǎo)體參數(shù)變化對傳感器測量準(zhǔn)確度的影響比較明顯，因此需要對反射導(dǎo)體尺寸、形狀參數(shù)進(jìn)行分析和優(yōu)化，使其能夠適應(yīng)更多高準(zhǔn)確度的測量場合。利用有限元分析方法（Maxwell軟件）建立渦流柵傳感器的線圈、反射導(dǎo)體模型，對不同尺寸、形狀參數(shù)的反射導(dǎo)體進(jìn)行仿真計算，分析反
摘 要：針對滾動軸承故障振動信號的非平穩(wěn)性特點，提出一種改進(jìn)經(jīng)驗?zāi)B(tài)分解（EMD）和形態(tài)濾波相結(jié)合來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(tǒng)EMD分解中存在的模態(tài)混疊現(xiàn)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，以及在實際信號檢測中檢測信號在故障點到檢測點的傳播路徑中有變形和失真導(dǎo)致實際采集信號成分復(fù)雜難以判別的問題，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(shè)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?zāi)B(tài)分解（empirical mode decomposition，EMD）處理過程中的端點效應(yīng)，在整理和研究現(xiàn)有方法的基礎(chǔ)上，提出一種鏡像延拓和極值平移相結(jié)合的端點處理方法，在最大程度地融合兩種傳統(tǒng)方法優(yōu)點的同時盡可能地還原信號邊界特征。該方法通過構(gòu)造特征平行四邊形使延拓極值處于理想?yún)^(qū)域，從而避免三次樣條差值過
摘 要：為提高金屬探傷時對缺陷的識別能力，提出一種遺傳優(yōu)化支持向量機，結(jié)合經(jīng)驗?zāi)B(tài)分解（EMD），對超聲波缺陷信號進(jìn)行自動識別。首先進(jìn)行經(jīng)驗?zāi)B(tài)分解法分解，提取出原始信號特征，構(gòu)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(shù)難確定的問題，利用遺傳算法優(yōu)化支持向量機模型（GA-SVM）的懲罰因子和
