基于SINS辅助的GPS完善性监测方法

以车比雪夫大数定律为基础,研究基于捷联惯导系统(SINS)的全球卫星定位系统(GPS)完善性监测方法.采用一个卡尔曼滤波器滤波,对卫星伪距故障幅值进行估计并判断哪颗卫星出现故障.最后给出了卫星出现阶跃故障的仿真实例.仿真结果表明,该方法能够及时准确地检测出GPS信号故障,计算量较低,适合于工程上应用.      

LTPB网络带宽分配策略的实时性能研究

研究LTPB(线性令牌传递总线)在通信网络中保证消息实时传输的带宽分配问题.LTPB网络带宽的分配是以保证网络消息的实时传输为目标的,网络中关键参数(一定时间内发送消息的最小量)的准确与否将关系到网络带宽分配的合理性和有效性.通过对带宽分配方法实时特性的分析,发现了当前分析方法中的不足,提出了"最差情形"的概念,并以此建立了合理的推导模型,得出了有关LTPB网络实时性分析的关键性结果,并为下一步寻求更优的带宽分配方法提供了可靠的分析基础.      

航天器天文导航模糊自适应卡尔曼滤波研究

星光折射间接敏感地平的自主天文导航方法能够获得很高的导航精度,但由于大气密度模型时空分辨率不高,这种方法所敏感的地平有可能出现较大的瞬时误差,从而导致导航滤波器精度降低,有时甚至发散.为了解决这一问题,提出将模糊推理系统应用于自主天文导航,研究基于Unscented卡尔曼滤波的模糊自适应算法,使导航滤波器在观测值异常时具有一定的自适应能力.计算机仿真结果验证了该方法的有效性.      

一种基于ECN概率标记的流量控制算法

提出了一种基于用户效用函数的网络流量模型,把网络拥塞控制问题转化为求解网络流量模型的最优化问题,并且给出了求最优解的对偶梯度投影算法.算法的核心思想是:源选择传输速率使得它的网络利益最大,而链路调整拥塞价格来适应源的决定.为了在IP网络中实现此算法,在路由器中以概率标记显式拥塞指示ECN(Explicit Congestion Notification)中的拥塞预警CE(Congestion Experienced)比特来传输网络拥塞信息,使用IP分组头中的生命域TTL(Time-To-Live)估计分组传输路径中链路的位置信息.通过计算机模拟验证了算法的收敛性和准确性.      

共轴式直升机双旋翼载荷计算模型研究

理论计算和实验测量表明,共轴式直升机在悬停、前飞状态下,上下旋翼桨盘处轴向诱导速度分布与单旋翼直升机的相类似,本文根据共轴式直升机双旋翼这一特点,引入气动力相互干扰因子,将单旋翼直升机一阶谐波形式的Pitt-Peters静态非均匀入流模型推广到共轴式直升机,建立了一种共轴双旋翼载荷计算模型,为共轴式直升机飞行动力学建模作前期准备。以某共轴双旋翼为研究对象进行载荷计算,并与国外计算结果进行了对比,两者吻合较好。      

飞行控制用无刷直流电动机的结构设计

飞行控制中机电作动系统的发展是全电飞机的重要技术之一,而高速大功率密度的无刷直流电动机是其中的关键部件.为得到这种高速大功率密度的无刷直流电动机的高的机械可靠性、电气可靠性和热可靠性,提出了采用特殊转子护套、双重绕组、旋转变压器和冷却风道等技术措施,达到了预期的效果.最后展示样机的试验结果.      

气氧酒精多管点火器试验研究

多管同步点火是塞式喷管的一项关键技术,介绍了气氧酒精多管点火器的设计和试验情况.研究了推进剂的混合比、点火器的工作时间、燃气导管的材料和几何尺寸、点火器的冷却方式,以及补氧燃烧措施对多管点火性能的影响,同时对高空情况下的点火方法进行了初步探讨.最后确定了多管点火器的工作参数,实现了可靠的多管同步点火.      

快速大时间步长熵条件格式的分辨率研究

提出了高分辨率快速大时间步长熵条件格式的构造方法.用激波管问题对一族熵条件格式进行研究.在精度、步长、限制器方面进行了详细的数值实验,研究了同样计算量下各种格式的表现品质.从理论上保证了大时间步长格式的无振荡性质,从具体的数值实验分析中确定了大时间步长格式的分辨率问题.      

一种基于PCI总线的可编程雷达信号模拟器实现

针对目前雷达回波信号模拟器功能单一、信号回放速度低的问题,提出了采用计算机PCI总线式结构、高速FIFO和高速D/A的实现方案,使模拟器的数据更新速度达到8 MHz,信号回放速率达到73 MHz;采用FPGA技术,使系统参数程控可选,且可方便地改动其组成结构以适应不同类型的雷达.通过对合成孔径雷达(SAR,Synthetic Aperture Radar)回波信号的仿真输出,并经现场运行表明,该方案可行,样机运行可靠,满足对高分辨率图像的仿真要求.      

嵌入式隐Markov模型的分段训练方法

针对嵌入式隐Markov模型再学习问题,提出了分段训练方法用于人脸识别:把当前的训练样本看作整体训练样本的一部分,训练结束后存储训练后的模型参数和中间变量;增加新样本后,以当前模型参数作为初始模型参数,用新增样本训练模型,得到新的中间变量,最后将已存储的中间变量和用新样本计算得到的中间变量合成,得到最终的模型.人脸识别实验结果表明了该方法的可行性.