面向寿命周期武器装备危险信息模型

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:ebear2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
安全性管理和安全性工程贯穿于武器装备型号寿命周期 ,期间需要大量信息支持 ,也会产生许多危险信息。该文提出面向寿命周期武器装备危险信息模型 (HIMLC) ,基于面向对象技术 ,对装备型号寿命周期中的危险信息进行集成 ,在PDM基础上 ,保证这些信息的完备性和一致性 ,为不同对象共享和有效管理危险信息提供基础。文章给出了模型的基本结构、三维视图及其形式化描述
其他文献
随着仿真技术的发展 ,人们对大规模分布式仿真的应用需求越来越迫切。为了解决单联盟集中式RTI仿真规模受限的问题 ,AnthonyCramp等人提出了层次式多联盟的联盟集合的思想[1 ] ,并对分布式盟员代理 (DistributedFederateProxyDFP)结构的时间管理进行了简要描述 ,其描述是基于美国国防部HLA 1.3版本的 ;该文主要介绍了层次式多联盟的基本结构及主要数据流程 ,并
FOM表是对联邦运行期间各联邦成员之间所交换信息的一种规范化描述,是提高模型之间互操作性和可重用性的关键技术之一,同时也是联邦开发的难点所在。该文首先对FOM的概念进行了讨论,分析了FOM中的对象与OOAD中的对象之间的异同。然后,我们在联邦开发实践的基础上,对FOM的开发过程进行了系统的总结,指出了在FOM开发过程中应该注意的问题。
针对酸碱中和过程的本身强非线性的特点,该文从酸碱离子的反应式入手介绍了一种四式模型(Four-Formu la-M ode l)作为pH过程的机理模型。接着推导出此模型的逆模型,并将得到的逆模型作为控制器对连续搅拌反应釜对象进行pH控制。用M atlab进行仿真研究,结果表明此方案对强酸强碱过程有很好的跟踪控制效果,并且具有快的响应速度和较强的抗干扰能力。最后比较了逆模型控制和反S变换控制,逆模型
在遗传算法(GeneticAlgorithm)与BP(BackPropagation)网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并把这种方法用于运动员百米跑成绩预测。与BP算法和LM(LevenbergMarquardt)算法相比,基于混合遗传算法的神经网络不仅有较快的学习速度和较好的学习精度,而且网络的泛化能力(GeneralizationAbility)得到了很大提
摘 要:在高中化学教学中应用分层教学法,不但不会让学生在学习化学知识时感到吃力,而且能够照顾到各个层次学生的知识学习,从而推动各个层次学生化学学习水平的一同进步。因此,在高中化学教学中,教师务必要重视应用分层教学法,因材施教,以促进不同层次学生扎实掌握化学知识以及相关的学习方法。基于此,文章以分层教学的意义分析为出发点,而后探讨了分层教学在高中化学教学中的应用策略。  关键词:分层教学;高中化学;