基于改进型梯度法的客车侧翻一步碰撞算法精度改进研究

基于改进型梯度法,对客车侧翻一步碰撞算法初始解各节点的广义失衡力进行平衡迭代,并将局部摄动思想引入改进算法的节点广义失衡力平衡迭代过程,快速获得侧翻碰撞结构的最终变形,与原始牛顿-拉夫森(Newton-Raphson)方法相比,在保证模拟精度的同时,提高了计算效率。应用改进算法对某款长12 m的公路客车典型车身段模型进行侧翻碰撞模拟,并将仿真结果与原始算法仿真结果及侧翻试验结果进行对比,结果表明,改进后算法精度基本保持不变,计算时间缩短2/3。

基于神经网络补偿的线性弹道落点预报方法

针对线性化法预报弹丸落点存在侧向速度、角速度计算复杂和适用范围小的问题,提出了基于神经网络补偿的线性弹道落点预报方法。该方法在线性假设下,对刚体六自由度弹道进行线性化处理,得到线性弹道模型;将弹丸的圆周运动方程组视为线性定常系统,利用系统的解得到圆周运动的解析式,并利用梯形近似法处理其他参数的导数,得到基于线性弹道的落点预报解析式;然后利用神经网络理论设计了补偿项,不仅解决了线性化法适用范围小的问题,还提高了线性弹道预报落点精度。数值仿真测试结果表明,该方法预报弹丸射程和横偏的最大误差分别约为4m和7m,预报落点时间约0.024ms,比解算6D弹道的时间少了1.451s。因此,该方法可为快速精确预报弹丸落点提供理论参考。