四轴平台外框架角±90°时运动特性仿真分析

本文介绍了四轴平台随动回路的工作原理,通过系统建模及仿真得到系统在外框架角±90°及附近的运动情况,在此基础上提出了解决方法,并通过仿真验证了其有效性。     

基于层次分析的STSS系统传感器管理算法

针对STSS系统的目标跟踪交接问题,在分析系统交接影响因素的基础上,通过引入层次分析法对传感器进行优先级排序,制定相应的跟踪方案,并在典型场景下进行了对比分析。仿真结果表明,层次分析法能有效分配系统传感器资源,且运算量适中,是一种相对高效的传感器管理算法。     

船载外测设备动态测量数据的误差分离

为了全面分析研究测量船外测数据误差特性,须对测量数据中的误差进行分离,为此需找到合适的误差分离方法。通过对航天测量船船载测量设备工程背景复杂、数据产生过程复杂、误差源多等特点进行深入的分析,为船载设备测量数据建立回归分析模型,采用三次等距B样条函数作为测量数据误差分离的工具,用等距的标准B样条拟合测量系统的真实信号、系统误差,进而分离出随机误差。对大量原始测量数据误差的统计特性进行检验分析,得出了船载设备外测数据不同于陆基测量的一些误差特性——非独立性、子段非正态性、需用高阶AR模型描述。研究结果表明:使用标准等距B样条函数作为误差分离工具对于船载测量设备外测数据是适合的,样条拟合后的残差结果符合高阶AR模型。     

2008年国外航天员系统发展综述

自以美国为代表的世界航天大国宣布各自的载人登月和火星计划以来,各国一方面加紧研制新一代载人航天器和运载器,另一方面也开始制定并实施新一批航天员的选拔及健康保健计划,与此同时,美俄日也在加紧研制和试验新一代登月航天服,以实现更加轻便、更加安全、更加有效的舱外活动。为了解决未来长期裁人航天的乘员健康和高效工作问题,NASA提出了“人体研究项目”,通过国际空间站医学项目、空间辐射、乘员健康对抗措施、探索医学能力、空间人的因素和适居性、行为健康与工作绩效等六个方面来研究如何减少乘员健康和绩效的风险,并以此建立乘员航天飞行健康标准的证据基础．本文将主要从航天员选训、舱外航天服以及NASA人体研究项目三个方面综述近几年来国外航天员系统的研究进展情况。     

大气层外动能拦截器末段导引规律设计

研究了末制导段轨控发动机开机和关机时拦截器与目标的相对运动规律,给出了零控脱靶量的近似表达式.定量分析了轨控发动机分别处于常值力和脉冲力工作状态时的作用效果,以及影响末制导律对视线转率修正能力的因素,并给出了末制导段发动机能够修正的初始视线转率上限.结合相对运动规律的特点,基于抑制视线转率的思想设计了末段的导引规律.根据轨控发动机所具有的两种工作状态,将末制导拦截过程分为三个阶段来设计,特别设计了轨控发动机在两种工作状态之间的过渡过程,让拦截器以近似于平行接近的方式拦截目标.通过仿真,证明了该导引规律的有效性.     

控温系统常见故障及排除方法

我公司现普遍采用DLK型智能工业电炉控制系统和RX-75—9型电炉温度控制系统。每一种热处理工艺规范中,温度是很重要的内容,如果控温精度保证不了,工艺规范就得不到正确的执行,造成产品质量下降甚至报废。掌握控温系统中各部件的工作原理是及时排除故障的关键。针对现场实际情况具体分析如下：     

反舰导弹命中精度评估方法

研究了基于Bayes方法的反舰导弹命中精度评估方法,提出了导弹命中点系统误差评估方法、Bayes检验方案和CEP评估方法。     

基于整体推断的Bayes方法及其在精度评定中的应用

验前分布的表示及验前信息的融合是Bayes小子样理论应用中的关键问题。 根据同一型号武器试验中不同状态下信息的横向互补特性,提出一种多源信息的整体推断方 法,将Dirichlet分布引入多源信息权重系数的验前信息中,建立基于Bayes网络的权重系数 推断模型,利用MCMC方法更新所有节点信息,得到了合理的权重系数验后分布,解决了多源 信息加权融合中权重系数难以确定的问题。仿真结果表明,该方法可以有效地融合验前分布 ,在精度评定中有一定的应用前景。
     

基于不变流形的夸父卫星A轨道设计

介绍了夸父卫星A的轨道特点,分析了圆型限制性三体问题.采用基于不变流形的两脉冲转移方法为夸父卫星A设计出了转移轨道,并比较晕轨道近地点和远地点入轨的两种情况.仿真表明,晕轨道远地点入轨可以大大节省晕轨道入轨代价.     

二值卷积神经网络综述

二值卷积神经网络（BNN）占用存储空间小、计算效率高,然而由于网络前向的二值量化与反向梯度的不匹配问题,使其与同结构的全精度深度卷积神经网络（CNN）之间存在较大的性能差距,影响了其在资源受限平台上的部署。至今,研究者已提出了一系列网络设计与训练方法来降低卷积神经网络在二值化过程中的性能损失,以推动二值卷积神经网络在嵌入式便携设备发展中的应用。因此,本文对二值卷积神经网络进行综述,主要从提高网络表达能力与充分挖掘网络训练潜力两大方面,给出了当前二值卷积神经网络的发展脉络与研究现状。具体而言,提高网络表达能力分为二值化量化方法设计、结构设计两方面,充分挖掘网络训练潜力分为损失函数设计与训练策略两方面。最后,对二值卷积神经网络在不同任务与硬件平台的实验情况进行了总结和技术分析,并展望了未来研究中可能面临的挑战。