简介:针对坦克动力性燃油经济性参数实验研究成本高、传统计算方法效果差的实际问题,综合大气条件、柴油机转速、变速箱排挡、路面条件和弯转半径等因素的影响,将基于GT—POWER的柴油机工作模型和基于GT—DRIVE的坦克行驶模型相结合,建立了坦克稳态行驶动力性燃油经济性参数计算模型,然后迭代计算出保证坦克稳态行驶的柴油机单缸循环供油量,并经所调研的发动机台架试验数据验证了该模型精度,最后利用该模型计算分析了柴油机转速、变速箱排挡、路面条件和弯转半径对坦克稳态行驶时动力性燃油经济性参数的影响。结果表明:所建立的模型精度较高,能够实现柴油机工作和坦克行驶的自动耦合计算,并可方便地计算坦克的动力性燃油经济性参数。
简介:[目的]本研究目的在于探究在囚徒困境的情境中,恐惧和愤怒情绪对于个体信任决策的影响,同时考察信任线索在其中的作用.[方法]采用3(诱发情绪:中性、愤怒、恐惧)×2(信任线索:高、低)的被试间实验设计,通过计算机程序呈现视频材料诱发被试的不同情绪,并通过计算机呈现博弈情境材料,被试使用按键表达态度倾向.[结果]不同情绪组的主效应显著,F(2,90)=4.48,p〈0.05;不同信任线索组的差异显著F(1,90)=34.52,p〈0.01;诱发情绪与信任线索之间交互作用显著,F(2,90)=3.41,p〈0.05;[结论]1.在囚徒困境博弈中,高信任线索下愤怒和恐惧情绪组的信任水平显著低于中性情绪组,但在低信任线索下三者的差异不显著;在低信任线索下,恐惧情绪组的信任水平高于愤怒情绪组,但二者之间的差异不显著.2.信任线索与诱发情绪之间存在显著的交互作用;3.被试进行信任决策时会受到信任线索的显著影响,且存在线索效应.
简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。
简介:办公建筑内火灾荷载的分布情况,影响着火灾增长速率、火灾最大热释放速率及火灾持续时间等主要参数,为此提出基于火灾荷载的火灾场景设计的新方法。以某行政办公室为例进行研究,该建筑火灾荷载密度为479.7MJ·kg~(-1),以此为基础确定火灾增长系数为0.07993kW·s~(-2),火灾最大热释放速率为4.62MW,火灾持续时间为0.133h,进而设计火灾场景进行模拟。模拟结果表明:室内最高温度、室内稳定燃烧时温度、轰燃时间和火灾持续时间的预测值与试验结果的相对误差分别为3.6%,4.3%,12.8%,8.6%,说明该方法能有效预测办公建筑火灾危险性。