航天器多普勒测速平均误差的分析与修正

对航天器多普勒测速平均误差进行了分析,详细推导了圆轨道和椭圆轨道时该误差的计算公式,计算了不同采样周期和轨道高度时的误差大小。经过分析指出,该项误差对于高轨航天器影响较小,对于低轨航天器可以通过缩短采样周期或利用3个点或多个点的连续测量数据进行修正。     

用结构自适应神经网络预测航空发动机性能趋势

 将航空发动机作为复杂非线性系统考虑，运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论，建立航空发动机性能趋势预测的神经网络模型，同时，针对神经网络的结构设计困难问题，建立了基于遗传算法的结构自适应神经网络预测模型，实现了神经网络结构的优化。最后，利用三组民航飞机发动机的性能数据进行了预测分析，验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

雷达探测距离的区间估计

雷达探测距离是雷达发射功率、频率、接收信号功率等这些不确定参数的函数。以区间数学为基础,将这些不确定参数描述为区间变量,借助一阶泰勒级数,提出了近似估计雷达探测距离的区间分析方法。区间分析方法降低了以往处理不确定问题概率方法需要知道不确定参数均值、方差或概率分布密度等详细统计信息的要求,只要求知道不确定信息所在的边界,而且计算量少。通过算例与概率分析方法相比较,表明了区间分析方法的可行性和优越性。     

The Energetic Particle and Plasma Spectrometer Instrument on the MESSENGER Spacecraft

The Energetic Particle and Plasma Spectrometer (EPPS) package on the MErcury Surface, Space ENvironment, GEochemistry, and Ranging (MESSENGER) mission to Mercury is composed of two sensors, the Energetic Particle Spectrometer (EPS) and the Fast Imaging Plasma Spectrometer (FIPS). EPS measures the energy, angular, and compositional distributions of the high-energy components of the in situ electrons (>20 keV) and ions (>5 keV/nucleon), while FIPS measures the energy, angular, and compositional distributions of the low-energy components of the ion distributions (<50 eV/charge to 20 keV/charge). Both EPS and FIPS have very small footprints, and their combined mass (∼3 kg) is significantly lower than that of comparable instruments.     

调频调相应答机距离零值测量新方法

叙述了分频调制度变换器的工作原理和时延测量。提出了根据测量FM信号源大频偏调制与小频偏调制的时延差来挑选出恒时延FM信号源,采用恒时延FM调制器构成FM—PM应答机（或FM—PM测距地面站）距离零值测量方法和设备,这是FM—PM体制侧音测距系统的一种距离零值测量新方法;提出了采用分频调制度变换器和非恒时延FM信号源构成FM—PM应答机（或FM-PM测距地面站）距离零值测量方法及设备。     

浅谈模拟PID电路的学习与辨识

PID电路在信号运算处理和经典控制实现等方面应用非常广泛。从模拟PID发展到数字PID和软件PID,其可控性与精度不断完善和提高。模拟PID电路由于其电路结构特点,既有PID运算处理和控制功能(时域特性),又有信号频率处理与补偿功能(频域特性),在学习与应用中应加以理解和辨识。     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.     

非定常流场分析结果向结构载荷压力场转化问题的解决

在研究前排静子叶片尾流对后排转子叶片振动的影响时．一个很大的难题就是如何将尾流场作用下的转子叶片通道内的非定常流场转化为适于振动响应分析的结构载荷压力场的形式，并引入有限元分析。在本文中，首先将转子叶片通道进口处的尾流参数进行傅立叶分解，然后分别对各阶谐波作用下的转子叶片通道内的非定常流场进行计算，将其叠加，得到整个非定场流场的解。这样，在进行振动谐响应分析时，各阶谐波作用下的载荷压力场实际上就是其对应的各阶非定常压力场。同时，通过一定的简化，把非定常气动分析结果转化为适于ANSYS谐响应分析的加载形式，从而成功地把结构载荷压力场引入了有限元分析。     

基于AR模型对滑油中金属元素含量的预测

利用时间序列分析方法对某型航空发动机滑油监控系统中需重点监控的金属元素含量建立了AR模型。并根据该模型对其含量变化趋势进行了预测分析。某部队通过对不同实测数据的检验证明，可根据该模型的预测结果预报金属含量是否招标。