组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

AIRS观测资料研究全球平流层重力波特性

利用2012—2014年1月和7月AIRS（Atmospheric Infrared Sounder）第79通道的观测数据,分析了平流层重力波活动强弱的全球分布以及重力波发生频率的全球分布;分析了重力波活动随纬度和经度的变化特征,给出了重力波活动在全球范围内的热点区域及其活动强度;对比了白天与夜间的重力波活动强度及发生频率.研究表明重力波活动强度呈现出随纬度变化的特征,在低纬度地区（0°—30°）,冬季半球重力波活动强度低,夏季半球重力波活动高;在中高纬度地区,冬季半球重力波活动强度高而夏季半球重力波活动强度低.在1月,全球重力波活动有4个突出的热点区域,分别为50°N附近欧洲大陆与大西洋交接地带、北美洲与大西洋交接地,20°S附近南美洲与大西洋交接地区、非洲与印度洋交接地区.在7月,重力波活动突出的地方为巴塔哥尼亚至南极半岛地区,以及50°S和75°E附近的印度洋区域.重力波活动强度在夜间大于白天,但是夜间的强重力波活动区域小于白天.      

一种基于事件序列的故障树最小割集算法

在系统分析故障树最小割集各种求解算法的基础上,提出了一种故障树事件序列的数据结构,并针对该数据结构,设计了一种高效的故障树最小割集求解算法,并对其替换子算法、复制子算法和消减子算法进行了形式化描述。算法可有效降低最小割集生成中的“组合爆炸”问题,实验结果表明算法具有较好的计算性能。     

新型低密度Nb-Ti合金抗氧化涂层制备及组织性能分析

针对新型低密度Nb-Ti合金抗氧化性能需求,开展了Si-Cr-Ti系抗氧化涂层研究,重点分析了所制备涂层抗氧化性能和微观组织在氧化前后的变化。结果表明,1 200℃下涂层寿命大于10 h,涂层抗热震性能良好;涂层与基体之间形成一层扩散层,保证了涂层的结合强度;在高温大气环境下,涂层表面生成一种隔绝氧气填补涂层表面空隙的玻璃质SiO_2层,因而具有良好的抗氧化性能。     

卫星对动能拦截器的一种规避策略

为了解决卫星对逆轨来袭动能拦截器的末段防御问题,提出了一种卫星轨道机动规避策略。首先建立了拦截器攻击区的概念,分析了攻击区的特性,具体推导了攻击区的估算方法。在此基础上,根据卫星机动对拦截器攻击区的影响,提出了卫星的轨道机动规避策略。最后,对所提出的攻击区估算方法和卫星轨道机动规避策略进行了仿真验证。仿真结果表明,在拦截器推进剂充足和滚动角稳定值已知的条件下,所提出的攻击区估算方法比较准确;卫星的轨道机动规避策略有效可行。所提出的规避策略对处于攻击区内不可逃逸圆外的卫星,可以保证其以最短的机动时间成功规避拦截器的攻击,对处于不可逃逸圆内的卫星,也可以保证其具有最大的成功规避概率。     

锂离子电池极片涂层厚度在线测量系统

锂离子电池极片涂层厚度的实时高精度测量是实现对锂电涂层厚度控制的前提。针对在生产过程中的锂离子电池极片涂层厚度动态、非接触、高精度的测量要求,设计了一种基于非接触式电容传感器进行微位移测量的在线式测量系统。介绍了传感器结构及测量电路基本原理,搭建了适用于锂离子电池极片涂层厚度测量的硬件系统,开发了可用于数据采集、线性校正、数据记录的基于虚拟仪器技术的测试系统。经测试,该传感器的分辨力为0.1μm,现场长期运行证明该系统满足生产的测量要求。     

基于二进小波变换的磁共振图像去噪新算法

针对传统去噪方法在降低噪声的同时会模糊图像边缘的缺点,提出了一种基于二进小波变换的噪声抑制新算法.利用小波系数的区域相关性,将要处理的小波系数置于由它周围的系数组成的可变窗口内,由窗口内所有小波系数的值来决定该系数的处理方式.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,本文采用了具有平移不变性的二进小渡变换.实验结果表明,该方法较之传统去噪方法有更高的去噪精度,可以有效降低噪声,同时较好地保持图像细节和边缘信息.     

基于神经网络的最优浮标布阵智能决策方法

针对航空反潜活动中声纳浮标搜潜的典型任务场景,建立了浮标布阵的搜潜仿真模型及计算搜潜成功概率的数学模型。设计了一种计算满足目标搜潜概率需用最少浮标数量的优化方法,使用遗传算法求解了该优化问题,并生成大量浮标布阵样本。构造了浮标布阵辅助决策的神经网络模块,对最优浮标布阵方式进行了训练与学习。仿真验证表明,使用该方法能有效满足搜潜辅助决策任务需求。