第三届北京·埃森焊接展览会观感

本文介绍了第三届北京·埃森焊接展览会上展出的焊接设备、焊接材料及焊接工艺，并就它们的发展趋势进行了阐述。     

磁悬浮控制的主动式隔振平台研究

磁悬浮隔振是一种新型的电磁力控制主动式隔振技术，在介绍磁悬浮隔振平台的基本原理基础上，分析了磁悬浮隔振的机理和特性，推导了其动态模型，论述了磁悬浮隔振控制策略，进行了隔振效果的计算机仿真，并以一个磁悬浮隔振试验装置为对象，进行了试验和测试。     

大孔径相机系统透过率测量新方法研究

文中主要对具有大口径、中心遮栏并采用线阵CCD做接收器特点的JS相机光学系统(包括探测器窗口)的透过半进行了测试,用以评定该相机是否能满足系统透过率的要求。若按传统方法测量JS相机系统透过率则需要与相机口径匹配的大入口、大直径的积分球,大口径平行光管,高功率光源,而且还要考虑中心遮栏、测量用探测器与相机接收器的光谱特性差异以及光源、探测器、积分球之间制约关系等一系列问题。为解决诸问题我们研究制订了“环带划分法”和“星点自准法”,对两种方案进行了测试,其结果符合测量最大误差不超过2％的要求。     

基于微分对策的临近空间飞行器机动突防策略

针对飞行器机动突防问题,基于微分对策理论对飞行器在攻防对抗中制导阶段的机动突防策略进行设计与分析。首先将攻防对抗问题转化为二人零和博弈问题,并设计了二次型目标函数;其次,考虑到飞行器计算能力不足的问题,采取了适当假设以得到博弈问题的解析解,便于实际应用;最后对该机动突防策略进行了仿真验证,结果表明在攻防对抗中制导阶段,飞行器采用微分对策制导律,相较于正弦机动不仅减少自身54.3%的能量消耗,而且增加了拦截器58.6%的能量消耗,将显著增加飞行器末制导段对抗突防能力。     

基于严格成像模型的卫星姿态角系统误差补偿

为消除卫星在轨运动过程中俯仰、偏航、滚动对遥感影像地面定位的影响,建立了卫星姿态角系统误差补偿模型,即在严格成像模型的基础上,对姿态角进行直接调整,以减小定位误差。利用环境减灾-1B（HJ-1B）卫星CCD1相机遥感影像进行分析,在单景影像的定位中,借助于2个地面控制点,将其系统误差减小到原来的1/3,从而验证了模型的有效性,为进一步在轨检校相机内部静态参数提供了前提。     

基于非正交码的波束形成网络幅相测试方法

针对目前数字波束形成网络幅相一致性测试系统中扩频码受限于正交码的问题,提出了一种基于非正交码的数字波束形成网络幅相测试方法。基于非正交码的幅相测试精度受多址干扰影响,提出了使用解相关算法提高幅相测试精度的方法,该方法以噪声略有增加为代价消除了多址干扰。理论分析给出了幅相测试的理论下界,并分析了系统误差、通道间耦合对幅相测试精度的影响。仿真结果显示,当采用非正交码时,测试设备不使用解相关算法无法达到预设的精度要求;使用解相关算法后,基于非正交码的幅相测试可以达到理论下界,在带内信噪比为10dB条件下,幅相测试精度为±01dB/1°,可以满足实际系统需求。     

具有积分限制的单神经元PID控制算法

提出了一种抗积分饱和的变参数PID单神经元二次性能寻优算法.在 PID结构简单的基础上,兼有神经元自适应修正能力和二次性能寻优的特点,当积分出现饱和时,通过控制逻辑自动抑制偏差的积分,从而提高了变参数PID算法的鲁棒适应性.以某双轴发动机喷口为被控对象,对模型参数以50%的变化进行了控制性能的仿真.结果表明:变参数PID单神经元二次性能寻优算法具有较强的鲁棒稳定性和鲁棒性能,动态过程的最大超调量被抑制在5%以内,动态调节时间仅为0.6s.所提出的性能寻优PID算法可以满足航空发动机的控制需求.      

基于时空协同的飞行器集群制导技术现状与应用

从集群作战军事需求牵引角度,指出了基于时空协同的多飞行器制导技术,是有效提高突防概率与目标打击效能的关键支撑技术。围绕飞行器集群协同制导技术发展现状,分别以时间协同约束、空间协同约束及时空协同约束为主线,介绍了国内外技术的发展思路。最后,对飞行器集群协同制导技术进行了概括总结,并对该技术在未来的发展方向进行了展望。     

人工智能技术在宽域飞行器控制中的应用

针对人工智能技术在宽域飞行器控制中的两种应用技术途径进行了研究,其中包括利用深度神经网络辨识飞行器关键特征,实现控制增益的精准调度,提升对模型不确定性的自适应能力;以及利用深度神经网络建立神经网络动力学对飞行动力学的映射表达,实现“端对端”控制。最后对有待持续深入开展的人工智能应用研究进行展望。     

面向天地融合网络的无线资源智能分配方法

为满足天地融合网络全时、全域通信需求,采用认知无线电技术可实现有限频谱资源的感知与高效利用,有效缓解同频干扰问题。文章提出了一种用于天地一体认知网络的信道选择和功率调整的无线资源智能分配方法,在保证主用户服务质量的前提下最大化系统数据速率。首先,将天地融合网络建模为异质图结构,通过用户距离估计信道状态信息,并且利用图卷积网络提取和分析关键环境特征。其次,采用深度强化学习探索底层拓扑环境信息,通过试错与奖惩机制不断优化资源分配策略。仿真结果验证了所提方法的收敛性,并且证明系统数据速率能够得到显著提升。