航天铝基复合材料零部件超精密加工技术研究

针对航天高碳化硅铝基复合材料零部件采用聚晶金刚石PCD刀具进行了超精密车削加工试验，用原子力显微镜AFM和扫描电子显微镜对其进行了检测，分析了零部件表面粗糙度值的大小及影响因素、SiCw变形破坏机理、已加工表面微观结构及加工变质层特性。结果表明，超精密车削高碳化硅铝基复合材料零部件可以获得超精密级加工表面（如Ra11．5nm）；超精密车削过程中SiC，存在着三种主要变形破坏机理：直接剪断型、拔出型和压入型，且以直接剪断型为主。直接剪断的SiCw对表面粗糙度值影响最小，而后二者是影响表面粗糙度值达到超精密级的主要障碍；超精密加工零部件表面仍会产生很薄的加工变质层。     

低压涡轮转子的加工与装配

介绍了某型号发动机低压涡轮转子的结构特点和加工与装配技术要求,分析了低压涡轮转子的加工与装配工艺技术难点及采取的质量控制措施,通过工艺攻关,解决了的低压涡轮转子加工与装配过程中的难点。     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

用于遥感卫星数传的新型波导阵列组合天线

从新的设计理念出发，提出一种新型的波导十字阵列组合辐射天线替代了赋形反射面天线，用于低轨遥感卫星的数传系统。文中论述了该天线的设计思路、设计过程，并列出了天线的主要性能。最后还简述了该天线在国内卫星上的应用及我国未来低轨遥感卫星数传天线的发展趋势。该天线已在我国多个卫星上成功应用。这种波导阵列组合天线结构紧凑、尺寸小，具有与国外通用的赋形反射面天线基本类似的性能，可达到星载数传天线的预定要求，而且为星载遥感器及其他载荷留出了更大的对地安装空间。     

基于神经元的容错组合导航系统设计

本文讨论了容错组合导航系统中的多传感器信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验，验证了这种方法的可行性，并分析了该研究领域所存在的问题，提出了可能解决的技术途径，并预测了未来的发展趋势。     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

INS／GPS组合导航系统的容错研究

本文研究了INS/GPS组合导航系统的容错问题,并提出了一个两级故障检测及分离方案。通过采用该方案,INS/GPS组合导航系统将具有较高的容错能力,并能为用户提供连续、精确的导航信息。     

凸轮基圆偏心影响凸轮升程测量的分析与计算

分析了凸轮基圆的圆心与凸轮装机后的回转中心不重合,即凸轮基圆的偏心对凸轮升程测量(凸轮机构从动件运动规律)的影响.     

基于SVR的导航传感器自适应野值检测方法

针对Lagrange插值法无法处理连续野值的问题，提出了一种基于改进支持向量回归(Support Vector Regression, SVR)的导航传感器自适应野值检测方法。该方法结合了支持向量回归利用小样本数据就能够准确建模和3σ准则计算简易的优点，利用支持向量回归在线建立舰船的运动模型对测量值进行实时预测，并利用3σ准则自适应地计算阈值，然后通过比较阈值与预测残差来判别测量值是否为野值点。该方法可以自动地学习舰船的运动趋势，建立舰船的真实运动模型，而且不受连续野值点的影响，能够在没有其他传感器辅助的条件下完成野值检测。海试实测数据表明，提出的方法对离散和连续的野值点均具有较好的检测效果，同时可以更好地估计传感器的真实测量值。     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。