一种新型用于陀螺定向的小角度测量系统的研究

介绍了一种基于光学自准直原理新型小角度测量系统,该系统是为陀螺定向机构中角度随动系统而设计的.利用光学非接触方法进行测量,通过其测量出随动系统同陀螺主轴的夹角,由伺服机构进行角度跟踪.实验表明,该系统在±1'的测量范围内具有0.5"的测量精度.     

利用AOS插入业务实现伪码测距的实验验证

通过搭建桌面联试系统对利用高级在轨系统(AOS)插入业务实现伪码测距方案进行实验验证。实验系统包括星上插入和地面提取2个过程。用设计电路模拟测距环路，主要验证测距伪码在插入和提取过程中处理时延的稳定性。实验结果表明，时延的稳定性能够满足测距要求。由此说明插入法可用于伪码测距。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

我国小卫星、微小卫星有效载荷的发展

文章简要介绍了国内外小卫星、微小卫星的发展历史,分析了适用于小卫星、微小卫星的有效载荷的发展趋势,简单介绍了我国光学有效载荷的研究现状,通过归纳分析,就有效栽荷实现体积小型化、功能单一化、接口标准化提出了解决方法。     

钝头机体用FADS系统的校准

基于缩比为1/7的F-14全机模型在马赫数Ma=0.73,0.90,1.05,1.20,1.39,迎角α=-4°~20°,侧滑角β=-8°~8°时的风洞测压试验数据,对钝头机体用嵌入式大气数据传感系统(Flush Air Data Sensing System, FADS)的3个校准参数上洗角、侧洗角及形压系数进行了校准。结果表明,基于三点式算法的不同测压点选择方案对上洗角及侧洗角的影响较大,与驻点测压孔呈对称配置的测压点校准效果较好,且上洗角与侧洗角的校准是相互独立的。而形压系数的校准与马赫数及有效迎角、有效侧滑角相关,随着马赫数的增加,形压系数数值上趋近于0。     

翼身厚度对小展弦比飞翼布局流动特性的影响

跨音速条件下,激波将导致大后掠飞翼布局出现激波/边界层干扰、激波/前缘涡干扰等复杂流动现象,对其流动特性、气动性能产生严重影响。本文采用数值模拟方法研究了跨音速时小展弦比飞翼布局流动特性随迎角的演化,并分析了翼身厚度对前缘涡流动的影响。计算结果表明:在无前缘涡区,翼身厚度在机头处引起侧洗作用,在尾部出现激波/边界层干扰现象,导致流动分离;在前缘涡发展区,翼身厚度的侧洗作用使飞翼模型前缘涡形成较晚,影响区域减小,但使其前缘涡发展较快,强度增大,在背风侧诱导的吸力增加,从而使前缘涡涡升力基本不变;同时,侧洗作用导致翼身背风侧激波位置前移,诱导前缘涡破裂,使涡破裂迎角大幅减小。本文研究为大后掠飞翼布局气动布局设计和流动机理分析提供了基础。     

复合材料带缠绕成型过程建模及工艺参数优化

复合材料带缠绕成型过程中,成型工艺参数的选取决定了缠绕制品的性能。采用正交实验法研究各工艺参数对缠绕制品层间剪切强度的影响规律和敏感度,并将正交试验数据与神经网络理论相结合,对带缠绕成型过程进行建模,得到缠绕成型工艺参数与层间剪切强度之间的非线性映射关系,并通过实验验证了模型的可靠性。在此基础上,利用粒子群优化方法在可行工艺参数域内对缠绕成型工艺参数进行优化。仿真与实验结果表明,基于神经网络模型的工艺参数粒子群优化算法能够快速、准确的得到带缠绕成型的全局最优工艺参数组合。使得缠绕制品层间剪切强度达到最优的工艺参数组合为:加热温度115℃,缠绕张力357 N,压辊压力1006 N和缠绕速度0.28 m/s,在最优工艺参数作用下,缠绕制品的层间剪切强度达到102.2 MPa。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。