基于幅频响应特性的半球谐振子频率裂解与固有刚度轴方位角测定方法

半球谐振子频率裂解与固有刚度轴方位角是影响陀螺性能指标的核心因素。提出了一种基于幅频响应特性的半球谐振子频率裂解与固有刚度轴方位角测定方法，采用压电激振台扫频激振，多普勒激光测振仪检测谐振子的幅频响应特性，通过幅频响应特性曲线分析实现频率裂解与固有刚度轴方位角的测定。对该方法进行了理论分析，搭建了实验装置，并对半球谐振子进行了测试，结果表明：该方法频率裂解测量精度优于0.01Hz，固有频率主轴方位角确定精度优于±1.17°，具有良好的可行性，在半球谐振陀螺研制方面具有良好的参考意义。     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志，飞机飞行包线的扩大已超出传统的大气数据系统测量范围，可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象，基于过失速机动飞行试验的数据，开展大气参数估计与验证研究。结合过失速机动的时间与空间特性，研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法；针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性，进一步构建深度神经网络，对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计，过失速机动过程中融合迎角误差优于2.3°，融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。      

300 MVA脉冲发电机组滑差方式起动过程研究

介绍了300 MVA脉冲发电机组的滑差装置。对机组采取滑差方式的起动过程进行了分析和等效建模。根据机组实际起动过程电气波形,利用非线性规划模型,建立了滑差装置液体电阻等效仿真模型,并代入机组参数对起动过程进行仿真,仿真结果和实际波形吻合,验证了模型的正确性。在此基础上,为了使机组的转速达到额定转速,提出在滑差装置液体电阻低位时并入两级固体金属电阻后短接的方案,给出了两级固体金属电阻的阻值等理论参数,并通过仿真验证了方案的可行性。建立的仿真模型可以作为研究不同参数、不同控制策略下的机组起动过程动态特性的重要工具。     

基于十二烷基苯磺酸固化季戊四醇丙烯醛树脂的粘结体系流变特征及反应动力学研究

为实现季戊四醇丙烯醛树脂(PEAR)/十二烷基苯磺酸(DBSA)体系在浇注PBX炸药中的应用以及获得该体系在工程应用中的工艺温度参数,采用粘度实验研究了体系的粘度特性,采用动态差示扫描量热法(DSC),通过模拟n级反应动力学模型、Kissinger微分法、Ozawa积分法以及Crane方程研究了体系的固化反应动力学。结果表明,50℃以上PEAR粘度几乎不受转速影响,PEAR与DBSA质量比大于25∶1,可保证浇注过程的顺利进行。PEAR/DBSA体系的凝胶化温度为345.92 K,固化温度为383.83 K,后处理温度为411.46 K。PEAR/DBSA体系固化反应为放热反应,反应的表观活化能为74.84 kJ/mol,指前因子为2.54×109min~(-1),反应级数为1.02,反应热为190.66 J/g。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。