简介:为了减小履带车辆炮塔及火炮的振动对火炮射击精度的影响,采用一维、二维、三维单元混合建模的方式建立了炮塔和火炮的有限元模型,计算得到了模型各阶模态固有频率和模态振型,并分析了履带车辆的主要振动激励源,绘制了系统的模态匹配图,最后对其进行了模态匹配分析。结果表明:炮塔和火炮在局部模态存在耦合,其与发动机激励、路面激励的耦合主要集中在中频段,车辆行进间射击时,应尽量使其工作在发动机转速区间为1600~2000r/min和2100~2300r/min以及速度区间为18~32km/h和36~45km/h工况下,该结果为提高火炮的射击精度提供了量化参考。
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。