光学测距传感器的工程计算

由于光学测距传感器能够有效地避开敌方电磁干扰并对目标距离进行测量,因而在现代飞机上仍然得到了广泛应用.本文从光学测距传感器的工作原理及其测距的工程实现方法入手,给出了一种通过数据融合的方法对目标距离信号的采集方式进行改进的方法.改进后的方法其实际测距曲线更接近于原理曲线,与传统的折线逼近法相比,有效地减小了测距信号的误差.由于测距信号精度的提高,航空武器系统的命中精度也得到了提高,使得飞机的作战效能得以提高.     

一种用于光传飞控系统的光纤温度传感器研究

利用半导体光吸收原理，设计出一种光纤温度传感器，它可实现强电磁干扰下高空无人机内的环境温度测量，具有体积小，结构简单的特点。该测试仪用GaAs晶片作为温度敏感元件，采用透射式结构，利用双光束补偿原理消除了光路扰动产生的误差。实验结果表明该传感器在-20-85℃的范围内有良好的温度响应。     

无刷直流电机霍尔传感器安装方法研究

针对有位置传感器的无刷直流电机需要位置传感器提供换相信号的问题, 提出了基于磁势确定霍尔传感器安装位置的方法。霍尔传感器通过检测转子磁势确定转 子位置,产生传感器信号控制定子绕组换相,使得定、转子磁势相位差在60°~120°之间 波动,从而使电机输出最大力矩。通过实验测得使用该方法进行霍尔传感器位置安装的 无刷直流电机的输出力矩波形与理论一致,从而验证了此方法正确可行。     

Distributed state estimation for heterogeneous mobile sensor networks with stochastic observation loss

The problem of distributed fusion and random observation loss for mobile sensor networks is investigated herein. In view of the fact that the measured values, sampling frequency and noise of various sensors are different, the observation model of a heterogeneous network is constructed. A binary random variable is introduced to describe the drop of observation component and the topology switching problem caused by complete observation loss is also considered. A cubature information filtering algo...     

基于液压自然爆膜的压力传感器动态标定方法

介绍了一个基于液压自然爆膜的压力传感器动态校准系统，研究了标定实验数据的处理方法，分析了该系统标定结果的重复性。试验结果表明该标定系统重复性好，可以满足0～30MPa，0～50kHz压力传感器动态标定的要求。     

斯特林制冷机真空环境模拟试验

文章针对空间红外遥感器应用特点,进行了斯特林制冷机的模拟真空环境试验。试验结果表明:温度环境和导热条件是影响斯特林制冷机空间应用的重要因素。     

高密度栅测应变

将高密度光栅应用于力学参量的测量中。通过测得试件变形前后正交光栅衍射点阵的偏移移量，可逐点得到试件因载荷作用而引起的面内应变、离面位移和刚体传动分量。     

无源无线声表面波压力传感器校准技术研究

声表面波压力传感器是一种新型传感器,它的一大优势是具有无源无线信号传递特性,可以突破传统传感器线缆连接的限制,近年来受到国内外研究机构普遍重视。本文探讨了SAW压力传感器的校准技术,对某种商业传感器进行校准,使用最小二乘法分析校准结果,并进行不确定度评估。校准结果显示该传感器在误差、线性、重复性等方面可满足一定精度要求,通过进一步发展,有望在航天领域得到实际应用。     

基于数字孪生的智能脉动管控

为提升飞机总装脉动生产线智能化水平,开展了基于数字孪生的智能脉动管控研究。基于数字孪生五维模型理论构建了飞机总装脉动生产线数字孪生应用架构,从反应式计划调度、物流精准配送、智能作业指导、产线健康监视、资源迭代优化配置5个方面开展了技术研究,为复杂产品装配的智能制造应用提供参考。     

Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging

Rotating machinery is widely applied in industrial applications. Fault diagnosis of rotating machinery is vital in manufacturing system, which can prevent catastrophic failure and reduce financial losses. Recently, Deep Learning (DL)-based fault diagnosis method becomes a hot topic. Convolutional Neural Network (CNN) is an effective DL method to extract the features of raw data automatically. This paper develops a fault diagnosis method using CNN for InfRared Thermal (IRT) image. First, IRT technique is utilized to capture the IRT images of rotating machinery. Second, the CNN is applied to extract fault features from the IRT images. In the end, the obtained features are fed into the Softmax Regression (SR) classifier for fault pattern identification. The effectiveness of the proposed method is validated using two different experimental data. Results show that the proposed method has a superior performance in identification various faults on rotor and bearings comparing with other deep learning models and traditional vibration-based method.