基于小波倒谱模型的滤波处理技术及其在超声应力检测中的应用

在超声检测中,应力是通过超声时间延迟来测量的,而超声回波的时间延迟对噪声非常敏感。噪声严重影响应力的测量精度,噪声引起的时间延迟甚至与应力引起的时间延迟处于同一量级。而以往消噪处理都是基于盲信息,没有考虑系统响应特点,消噪效果不好,需一种有效的消噪方法。提出了一种基于倒谱模型新的滤波处理技术,从系统响应的角度,建立超声通道的小波倒谱模型,并通过对钢轨应力测试信号进行滤波处理,试验结果令人满意。     

喷管进口和喉道几何形状对固体火箭发动机比冲的影响

本文介绍在火箭喷管进口和喉道区域计算完全耦合的燃气——粒子混合物流场的计算机化模型。定常态的燃气流场是作为长时间渐近解计算的,而粒子流场是假定准定常流来计算。对于超音速燃气粒子流场,这一模型则与特征线法结合进行计算。计算表明喷管进口角度、喷管喉道曲率半径比、喉道尺寸以及粒子大小对比冲的影响。文中也介绍了一些发动机试验数据的比较。     

三级旋流头部装置末级文氏管喉道面积对出口流场的影响试验研究

文氏管对涡流器具有重要的引流作用.通过改变第III级文氏管的喉道面积大小,探究了其对三级涡流器出口流场的影响.应用粒子图像测速仪(PIV)对三头部试验件的涡流器出口流场进行分析,发现中间涡流器的两个漩涡中心的径向距离随着第III级文氏管喉道面积的增加呈现先减小后增大的趋势.相邻三级涡流器出口流场会叠加,致使中间涡流器的...     

导航星座的自主导航技术--卫星自主时间同步

基于星载原子时钟频率稳定性的Allan方差表达,建立系统状态方程,并以星间双向测量伪距差作为基本观测量,组成系统测量方程,从而可以设计适用于导航星座卫星时间同步的Kalman滤波算法。系统仿真结果表明：通过对星间双向测量数据的滤波处理,能够实现星座卫星时间精密同步。     

基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化（PSO）的长短期记忆（LSTM）股票价格预测模型（PSO-LSTM）,该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。      

一种深空粒子采样返回探测器构型设想

以太阳风粒子、深空尘埃等为目标的采样返回探测任务是空间科学与深空探测研究的热点方向之一。对“星尘号”“起源号”两个典型采样返回探测器的构型进行了分析,并梳理了其主要构型特点。结合我国月地高速再入返回飞行器的构型特点,提出了一种深空粒子采样返回探测器构型的设想：总体构型由长方形主体和流线型返回器组成,主体构型适应于承载返回器和其他装器设备,返回器构型适应于样品收集和再入返回气动外形。设计方案采用了充气式采样器进行粒子收集,具有体积小、重量轻、折叠效率高、展开可靠、工程实施简单等特点,并采用了可重复收拢展开的太阳翼,能够适应收集不同类型深空粒子的需求。     

2 AU以内的“渐进型”太阳高能粒子事件模拟

太阳高能粒子（Solar Energetic Particle,SEP）事件是影响地球空间以及深空辐射环境的主要因素之一。“渐进型”太阳高能粒子事件中的高能粒子主要来自于日冕物质抛射（Coronal Mass Ejection,CME）所驱动的激波扩散加速（Diffusive Shock Acceleration,DSA）过程。CME驱动的激波在行星际的传播过程中,其结构不断演化,进而影响到高能粒子的加速过程。本文利用二维太阳高能粒子加速和传播模型,对发生于2014年4月18日的太阳高能粒子事件实例进行了数值模拟。模型考察了黄道面上2 AU的距离以内包含地球所在位置的4个不同点,分别计算了每个点上高能粒子的通量。数值模拟的结果表明：黄道面内不同位置的观察点,与激波波前的磁力线连接不同,从而导致观察点处高能粒子的通量有着显著的差异。该模型的计算结果可以为深空探测计划开展辐射环境研究提供必要的输入。     

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

基于130nm 工艺嵌入式SRAM 单粒子软错误加固技术研究

在空间环境中,嵌入式SRAM 易受高能粒子的作用发生单粒子软错误,针对这一现象,文章研究了深亚微米工艺下嵌入式SRAM 的单粒子软错误加固技术,提出了版图级、电路级与系统级加固技术相结合的SRAM 加固方法以实现减小硬件开销、提高抗单粒子软错误的能力。并基于该方法设计了电路级与TMR(三模冗余)系统级加固相结合、电路级与EDAC(纠检错码)系统级加固相结合和只做电路级加固的3 种测试芯片。在兰州近物所使用Kr 粒子对所设计的测试芯片进行单粒子软错误实验,实验结果表明,系统级加固的SRAM 抗单粒子软错误能力与写入频率有关,其中当SRAM 的写入频率小于0. 1s 时,较只做电路级加固的芯片,系统级和电路级加固相结合的SRAM 可实现翻转bit 数降低2 个数量级,从而大大优化了SRAM 抗单粒子软错误的性能。并根据实验数据量化了加固措施、写频率和SRAM 单粒子翻转截面之间的关系,以指导在抗辐照ASIC(专用集成电路)设计中同时兼顾资源开销和可靠性的SRAM 加固方案的选择。