光纤通道在航电设备中的应用和设计

随着信息技术的不断发展,现代战争对信息的传输和处理速度有了更高的要求。光纤通道作为新一代航电系统网络和总线新技术,它具有兼容性好、延迟低、可靠性高、传输速度快和传输距离远等优点,本文介绍了光纤通道的协议结构、拓扑结构、分类服务;并结合航空电子设备的具体需求,提出了应用光纤通道的方案。     

飞机制造业大型共性支撑平台的技术方向

阐述了产品生命周期管理(PLM)的内涵和实质,并以国防科工委组织实施的"飞机制造业数字化工程"为背景,分析了目前我国飞机制造业对产品生命周期管理的需求,提出了国产的飞机制造业大型共性支撑平台软件应努力的技术方向和具体的功能要求。     

一种新的周期性运动部件调制谱估计方法

目标内部运动部件对雷达回波产生的周期性运动部件调制 (PMPM )为目标识别提供了丰富的特征信息。但由于大多数雷达均采用多目标工作方式 ,因此 ,通常情况下只能从雷达获得不连续的目标回波脉冲串 ,这极大增加了根据目标回波频谱提取PMPM特征的难度。针对含PMPM目标回波频谱具有简单结构这一特点 ,提出了基于最小熵准则的交替迭代反卷积方法(AIDME)用于扩展目标雷达回波频谱估计。结果表明 :与傅里叶谱分析方法相比 ,该方法能够有效消除卷积核函数的不利影响 ,获得逼近目标回波真实谱的良好谱估计结果     

非结构动网格在三维可动边界问题中的应用研究

对用于非结构动网格生成的弹簧近似方法进行了研究。通过采用顶点弹簧方法,分析研究了弹簧倔强系数的取值,同时通过引入挤压倔强系数和边界修正,对标准弹簧近似方法进行了改进。改进后的方法可以大大提高网格变形能力和网格质量。应用本文发展的非结构动网格生成方法并通过耦合求解基于(Arb itrary Lagrangian-Eu lerian ALE)描述的Eu ler方程,模拟了做谐和振动的刚性无后掠机翼及柔性M6机翼的跨音速绕流,计算结果与实验结果吻合良好。     

动目标双站RCS预估的图形电磁计算（GRECO）方法

图形电磁计算 (GRECO)技术是目前分析高频区复杂目标雷达散射截面 (RCS)最有效方法之一。通过应用 GRECO方法和单 -双站等效原理 ,计算动目标高频区的双站 RCS,给出了与实验结果符合良好的计算实例 ,具有很好的工程应用价值     

基于运动嵌套网格的前飞旋翼绕流N-S方程数值计算

 通过求解 Navier-Stokes方程数值模拟了直升机旋翼前飞非定常流场。为了模拟包括旋转、周期性变距和周期性挥舞的非定常运动,采用了一种能够快速完成重叠网格间流场信息交换的运动嵌套网格方法。空间上采用中心平均的有限体积法进行离散,时间方向应用含隐式子迭代的双时间法推进求解。为了验证程序的正确性,数值计算了一有升力悬停流场,旋翼桨叶表面压力分布的计算值与实验值吻合很好。     

拓扑结构改变流场数值方法研究及应用

物体从相互接触的状态分离时会导致流场拓扑结构的改变,针对拓扑结构改变过程提出了一种非结构重叠网格算法.该方法主要包括"洞边界"自动判定、重叠区形成和流场信息交换三个方面的关键问题.针对三维问题提出了判定洞边界的"曲面判定方法";对于重叠区待插值的网格节点建立了"动态义树"贡献单元搜索方法.洞边界上待插值点的流场参数通过插值方法从其贡献单元上得到.弹丸从炮口发射的过程中,由于弹丸与炮管的分离导致了流场拓扑结构变化,而当炮口带有制退器时将使流场的边界条件更加复杂.利用非结构重叠网格方法对弹丸从带有炮口制退器的火炮中发射过程进行了数值模拟,分析了初始冲击波形成和发展过程,详细描述了运动弹丸对膛口流场的影响.本文提出的算法将能够有效地应用到航空、航天以及兵器技术领域的研究中,特别是物体分离过程导致的流场拓扑结构改变问题.     

移动质量作用下膨胀波发射装置的振动响应分析

为研究膨胀波发射装置的振动响应, 根据膨胀波发射装置的发射机理及结构特点, 将弹丸及惯性炮尾视为移动质量, 考虑两者刚性运动与发射身管弹性振动间的耦合作用, 联立膨胀波发射装置内弹道方程, 建立了计及弹丸及惯性炮尾实际运动规律的动力学方程.通过离散求解, 给出了膨胀波发射装置发射过程中身管的振动响应及炮口位置处的运动学效应, 为提高弹丸射击精度及与机身的一体设计提供了必要的理论参考.      

四轴惯性平台随动框架控制策略研究

三框架四轴平台系统的随动回路依靠控制随动框架转动使内环框架角始终保持在零位附近,用以保证载体在内环轴方向上具备全方位机动的能力.然而当外环框架角工作在±90°附近时,随动回路会失去正常功能,进入不稳定状态.为了解决这个问题,提出了一种新的随动框架控制方案,保证外环框架角在±90°时随动框架处于稳定状态,同时内环轴所指方向仍然可以进行大范围机动,从而使得三框架四轴平台实现真正的全方位机动能力.     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.