简介：文章给出了一种真正多维的HLLRiemann解算器．采用AUSM分裂将通量分解成为对流通量和压力通量，其中对流通量的计算采用迎风格式，压力通量的计算采用HLL格式，且将HLL格式的耗散项中的密度差用压力差代替，从而使得格式能够分辨接触间断．为了实现数值格式真正多维的特性，分别计算了网格界面中点和角点上的数值通量，并且采用Simpson公式加权组合中点和角点上的数值通量得到网格界面的数值通量．为了减少重构角点处状态时的模板宽度，计算中采用基于SDWLS梯度的线性重构获得2阶空间精度，而时间离散采用2阶保强稳Runge—Kutta方法．数值实验表明，相比于传统的一维HLL格式，文章的真正多维HLL格式具有能够分辨接触间断，以及更大的时间步长等优点．与其他能够分辨接触间断的格式（例如HLLC格式）不同，真正多维的HLL格式在计算二维问题时不会出现激波不稳定现象．

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：故障树在设备的故障诊断中被广泛应用.当系统复杂度较大时,故障模式和故障树的分支会剧烈增加,故障现象和故障原因因此出现复杂关系,这必然给故障检测和诊断推理带来极大的困难.在故障诊断中引入一种新的人工智能方法,即蚁群算法,可以确定故障树的最优检测次序,并指导系统多故障状态的决策.由于该方法具有平行性、鲁棒性等特点,可以很好地解决前面所提问题.仿真结果显示,在故障树中采用该新方法可行、有效.

简介：针对舰机惯导传递对准过程中舰船机动受限、系统可观测性差等特点,提出了基于状态参数可观测度分析的自适应滤波方法.通过系统状态参数可观测性分析,量化各状态分量可观测程度,进而根据可观测度大小分组构造自适应调节因子,并采用滤波增益衰减法对观测度低的分量通道进行有效处理,以此来提高传递对准滤波算法的适应性和滤波估计精度.舰船模拟轨迹下仿真结果表明,基于状态参数可观测度分析的自适应滤波方法和常规方法相比,具有较高的精度和较快的收敛速度,对准精度由3′提高到2′,滤波估计收敛时间由15min缩短至8min.