高动态环境下舰载子惯导系统分段对准方法

本文在分析惯导系统现有对准方法的基础上,对于拥有高度动态性能的广泛一类的受控运动体提出了一种顺序对准方法和算法,分析了所提出方法可达到的精度和为达到所指出精度所需要的时间。     

基于里程计的捷联惯导行进中对准方法研究

针对车载惯导系统快速性、机动性的要求,设计了一种基于里程计组合车载惯导系统行进中的初始对准方案。详细推导了行进间捷联惯导系统的误差方程、里程计速度误差方程。利用正交向量法完成在振动基座下惯导系统的粗对准;在粗对准的基础上,利用Kalman滤波技术完成车辆行进过程中的精对准。根据不同状态提出不同的数据预处理方式以提高对准精度。验证表明不需要对载体提出任何机动要求,10分钟内完成初始对准,方位对准精度达到3角分。     

舰船等速下舰载机捷联惯导粗对准方法研究

舰船等速航行时,由于风浪的影响使得舰船产生大幅摇摆,致使舰载机上的惯导系统测量到的地球自转角速度和重力加速度信息受到严重干扰,无法采用传统的静基座或微幅晃动基座的粗对准方法进行粗对准。针对这一问题,提出了舰船等速航行条件下基于重力加速度信息的粗对准方法,即以惯性坐标系中的地球重力加速度作为参考矢量,利用陀螺和加速度计的输出,计算出初始姿态矩阵的粗略估计值。在典型海况条件下,蒙特卡洛50个样本的仿真结果表明,东向、北向和天向姿态误差角的均值分别为-5.102′、8.915′、-0.174°,一倍标准差分别为:0.0174′、0.084′、1.472°,在此基础上完全可以实现该状态下舰载机惯导系统的精对准。     

飞行器变质心控制及性能分析

在合理简化基础上,推导了滑块运动与飞行器姿态角运动之间的关系,分析了配平攻角产生机理及条件;同时还深入分析了轴向位置、横向偏移量、质量比等滑块结构参数对配平攻角的影响;以及不同配平条件下弹道落点偏差情况。结果表明,气动阻力与系统质心偏移弹体纵轴是产生配平攻角两个必要因素,系统静稳定是产生配平攻角的前提条件;轴向位置决定了系统静稳定裕度,与配平攻角呈反比关系;横向偏移量改变控制力矩的力臂,与配平攻角呈正比关系;质量比对力臂和系统静稳定裕度均有影响,与配平攻角呈线性或非线性正比关系;变质心控制能力主要体现在低空段。     

薄壳机匣开孔补强的应力集中分析

发动机机匣上安装凸台结构，可简化为机匣壳体开孔后用围壁和加强板组合补强的力学模型。文中从弹性力学的基本公式出发，采用上述简化模型，得到了壳体孔边应力分析的计算公式，并编制了计算程序，进行了实例计算，获得了发动机机匣各种安装凸台的应力集中系数。本文的研究成果对合理地确定机匣安装凸台的几何形状和尺寸具有参考价值。     

基于自适应滑模的变质心再入飞行器控制律设计

建立了有纵向单滑块的变质心再入飞行器系统控制模型。对该有输入非线性的快时变多体系统,考虑系统存在参数不确定等因素的影响并将完整的活动质量体动力学环节置入姿态控制,基于滑模控制理论设计了俯仰姿态跟踪鲁棒控制系统。在参数不确定性条件下对飞行控制系统进行了仿真。结果表明：设计的控制律可实现对指令角度和指令位置有效、快速、稳定...     

跨声速翼型风洞数据库管理系统

本文主要介绍在西北工业大学跨声速翼型风洞(TAWX)中的PC/XT微机上,采用数据库管理软件 C-dBAsE Ⅲ,对该风洞翼型实验数据、计算数据,几何数据和应用程序进行系统化管理的方法。文中着重说明了使用的情况,并针对该风洞的性能、特点,简单描述了所用数据库的结构框图,在此基础上较详细地叙述了实现风洞实验数据共享和存贮的具体过程,其中也涉及到了数据库的管理和维护措施。从文中可领略到使用数据库的好处和必要性。该数据库的建立和开发应用,解决了长期以来实验数据零散、管理困难、使用不便、资源无法共享等问题,提高了工作效率,为实现风洞-计算机一体化的宏伟目标迈出了第一步。     

基于知识库的路径规划辅助系统研究

为降低飞机驾驶员在路径规划任务中的工作负荷,提出了基于知识库的路径规划辅助系统结构。采用基于网格的启发式A*搜索技术完成路径规划任务。利用知识库中的规则进行推理,调节启发函数的加权因子,提高求解最优性,并调节规划网格大小,获得最佳求解速度和精度。知识库中的知识规则根据具体条件的累积和计算,在训练及使用中不断得以补充,减少不确定因素对驾驶员的影响。通过系统仿真验证,表明了该方案和算法的有效性。     

数字存储示波器检定方法探讨

讨论了数字存储示波器垂直偏转因数、水平时基、脉冲宽度触发测量方法。以TDS 7104为例,给出了数字存储示波器垂直偏转因数、水平偏转因数、频带宽度及上升时间的测量结果的测量不确定度。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。