关于用标准综合指挥所系统3型硬壁方舱更换1型方舱的审查报告

美国国防部总审查员办公室于1994年6月至11月对战术方舱的需求作了审查，主要涉及美国陆军计划用标准综合指挥所3型硬壁方舱更换1型硬壁方舱；主要审查内容为作战要求(包括可运输性)、采购模式、资金和装备计划，通过查阅文件，召集有关人员开讨论会等方法，得出了审查结论。下面介绍审查报告的主要内容。     

对TTCN-3同步的扩展

分析了TTCN-3在描述同步时的不足和对TTCN-3扩展的必要性．介绍了一种新的测试框架模型．通过示例并引入操作系统中的信号量的概念，实现对TTCN-3语言的扩展．这种扩展使得测试定义在描述同步时更简单方便．     

含裂纹结构剩余疲劳寿命循环J积分工程评估方法

以弹塑性断裂理论为基础,利用EPR I工程方法计算ΔJ,拟合出16Mn钢的疲劳裂纹扩展率公式,并推导出含裂纹结构剩余疲劳寿命评估的循环J积分工程计算公式,为含裂纹结构在塑性应变条件下剩余疲劳寿命评估提供一种计算方法。     

生产管理中一类排序问题的扩展模型及通用算法

讨论了生产管理中将n个零件安排给m台机器加工的一类排序问题。取消了m≤n的限制，允许机制空闲并引入负荷（最大加工零件数）的思想，得出了此类排序问题的扩展模型以及通用求解算法。算便结果表明该扩展模型和求解算法的有效性。     

考虑老化的电动汽车退役锂电池SOC在线估计

为提高电动汽车退役锂电池在梯次利用中的安全性,需要准确及时获取退役电池在使用过程中的荷电状态（SOC）参数值。由于退役电池不断老化会引起容量较快衰减,严重影响SOC参数的估计精度,所以文章提出了一种考虑退役锂电池容量衰减的SOC在线估计方法。经过混合脉冲功率（HPPC）和动态应力测试（DST）循环工况的试验测试,证明了所提方法能够在不同使用工况下准确和实时估计退役锂电池的SOC,并且最大估计误差均小于2%。     

过载作用下两种疲劳裂纹扩展模型的比较

文章改进了一种疲劳裂纹扩展模型,将原来的模型描述范围扩展到疲劳裂纹扩展的第三个阶段,并给出了一种确定模型中β值的方法。文中还将该模型与另外一种双参数疲劳裂纹扩展模型进行了比较,两种模型都通过7075-T6铝在过载作用下的疲劳试验数据进行了验证。最后,给出了比较结果,以及对两种模型应用的建议。     

变幅载荷下疲劳裂纹扩展规律试验研究综述

文章对最近10年来有关变幅载荷下材料疲劳裂纹扩展和失效规律的实验研究方面的最新成果进行了归纳总结.综述内容包括:过载、低载在疲劳裂纹扩展中的作用;过载-低载组合作用时裂纹扩展的情况;基线载荷的影响;块载大小、长度对疲劳裂纹扩展的影响;试件影响;低于应力强度因子门槛值的小应力在变载疲劳裂纹扩展中的表现等六个方面.通过这一综述,进一步验证了部分结论的正确性,同时也发现了部分结论的不完善性.文中也提出了变幅载荷下疲劳裂纹扩展模型的初步设想.     

基于EKF的双站测向无源定位跟踪方法研究

对双站测向无源定位跟踪方法进行了研究,分析了双站交叉定位的基本原理,采用扩展卡尔曼滤波对三维空间中的机动目标无源定位跟踪问题进行了仿真分析。仿真结果表明,在假设的仿真条件下以及测向精度为0.001rad时,对机动目标定位跟踪的相对测距误差保持在2%以下,滤波跟踪效果良好,表明该方法对无源定位跟踪是有效的,对工程应用有一定指导意义。     

一种基于模型的水声弱信号检测方法(英文)

Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B.