百分比电桥及其在电位器式传感器特性测试中的应用

电位器及电位器式传感器现在仍广泛地使用着。百分比电桥是测试它们静特性的一种常用手段。本文首先简要论述这种电桥的一般工作原理及其在电位器式传感器特性测试中的应用。为了解决百分比电桥使用中现存的需要反复调零的困难,本文提出一种新的电桥方案,即中点调零式电桥。为有利于电位器式传感器性能测试和标定的实际工作,本文讨论了百分比电桥扩大使用范围的途径。最后,还从实际工作出发提出了几种自制百分比电桥的方案,可供参考选用。     

“宙斯盾”武器系统验证

最近,在加勒比海的舰队演习中,“宙斯盾”武器系统曾在美国“提康德鲁加”CG—47型反潜航母上作了成功的验证.结果证明这种系统很可靠,它迎战并击毁了全部11个目标.这种系统承受了各种条件(包括无干扰环境、强电子干扰和机械干扰环境)的考验.它迎战了低空飞行目标以及在不同高度     

电瓶充电自动控制器

一、前言蓄电瓶在航空,航海、农村、工厂、矿山、电讯等各方面都有广泛的应用。由于蓄电瓶和整流器的内阻都很低,一般可用r R=(0.12～0.2)E/I_(ch)来估算,其中r为蓄电瓶的内阻,R为整流器的内阻,E为蓄电瓶的电压,I_(ch)为蓄电瓶最大充电电流。因此,使用市电整流后直接对蓄电瓶充电将会使充电电流在市电电压较低时太小、致使充电时间过长,充电不足。在市电电压较高时充电电流又太大,超过了电瓶充电的最大允许值,从而使电瓶损坏。目前,在我国大量使用的老式充电机有二种类型:一类是市电整流后用大功率限流电阻限制电瓶的     

基于数据关联性分析的飞轮异常检测

针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法。该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间。关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性。引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度。仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度。     

“海猫”舰空导弹武器系统

概况 “海猫”是美国肖特兄弟有限公司为皇家海军研制的近程舰空导弹武器系统,用以攻击超音速和亚音速固定翼飞机和直升机.其基本设计思想是,力求使整个武器系统结构简单、成本低廉,又能完成防低空任务,而不追求当时盛行的要求技术先进、结构复杂、     

“阿里安”4投入民用

携带“天网”4和Astra两颗卫星的第一枚民用“阿里安”4火箭在圭亚那航天中心发射成功.在发射后不到18分钟时,卫星成功地进入地球静止转移轨道(GTO).这是欧洲最先进的“阿里安”4火箭的第二次发射,第一次是在1988年6月.     

舰载垂直发射系统

直到最近,西方战舰的垂直发射装置都是用来发射“北极星”和“三叉戟”洲际导弹的.但是苏军舰艇如“攻击”级反潜驱逐舰(它装备了新型导弹,看来准备替换SA—N—4舰空导弹)和“基洛夫”级核巡洋舰装上战术垂直发射系统已有多年了.在过去四年中,西方也有一些人开始主张搞垂直发射,也有若干舰艇在目前原始设计中考虑采用垂直发射系统.这包括美国新型“宙斯盾”级巡洋舰(装备Mk41发射架)和ARLEIGH BURKE级导弹驱逐舰;加拿大的“哈里法克斯”级护卫舰和英国的Duke级反潜护卫舰.本文将评述一下采用垂直发射系统的原因.     

微光视觉CCD在卫星云图观测中的应用

为满足气象云图观测对电荷耦合器件(CCD)的量子效率、器件规模、像素尺寸和动态范围等提出的更高要求,可选用超低噪声和高量子效率的微光视觉电荷耦合器件(L3VisionCCD)。分析了该种器件的电子倍增工作原理和性能特点,并给出CCD97器件的部分参数。讨论了L3VisionCCD器件用于云图观测时的增益选择与控制、动态范围控制,以及器件规模与实现等关键技术。分析表明,L3VisionCCD器件尤其适用于可见光云图观测,可进一步增大云图的动态范围。     

二次代数多项式曲线拟合的一种简易求法——双斜率法

二次多项式曲线拟合是一种最简单的非线性拟合,在仪表、传感器及其元部件的标定试验数据处理中应用较广。使用最小二乘法进行二次多项式曲线拟合,其计算工作量较大,通常需要使用数字计算机和一套专用程序。正如在直线拟合中有一些平均法可用作最小二乘法的近似法一样,本文提出的简易方法也可做为二次多项式最小二乘法曲线拟合的一种近似方法,这种方法远较最小二乘法简单,也比二次插值法简单和优越。在要求中等拟合精度(1%量级)的情况下,用本方法所得结果比较按近最小二乘法的结果。     

基于卷积神经网络和状态时间序列的参数辨识

针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案.该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理.以Lorenz63为实例,对其参数进行了分析、实验.实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4％,大大提升了计算效率.