基于地形匹配的高超声速飞行器初始定向偏差在线辨识方法

针对高超声速飞行器机动发射条件下自瞄准时间短、初始定向偏差大的问题，提出一种基于地形匹配的初始定向偏差在线辨识方法。以综合初始对准和姿态控制的惯性系统导航误差模型为分析基础，融合相邻两个地形匹配区两次地形匹配定位结果，建立了初始定向偏差在线辨识模型，并从惯性系统工具误差系数偏差和地形匹配定位误差两方面讨论了辨识模型的适应性。以美国高超声速飞行器CAV H为研究对象建立仿真环境，采用蒙特卡洛法检验初始定向偏差辨识效果。仿真结果表明，在地形匹配定位误差为173.88 m (3σ)情况下，初始定向剩余偏差平均值为8.42″，最大值为34.65″，能够有效提高惯性系统导航精度，并且有助于缩短发射准备时间、提高武器系统生存能力。     

基于快速模糊干扰观测器的UASV再入Terminal滑模控制

针对无人空天飞行器再人大气层过程中气动参数变化剧烈、控制精度要求高的特点，设计了基于快速模糊干扰观测器的Terminal滑模控制方案。通过改进传统模糊干扰观测器的学习律，提出一种快速模糊干扰观测器，增强了其在线逼近干扰及系统不确定的能力。Terminal滑模的有限时间收敛特性提高了系统跟踪速度，同时采用快速模糊干扰观测器消除全部扰动的影响，从而保证了飞行品质。最后，仿真结果表明了快速模糊干扰观测器的优越性及闭环控制方案的有效性。     

遥测数据重建弹道校正方法

弹道导弹遥测系统数据丢帧一般采用直接插值法进行校正,这对导弹运动速度和位置而言精度不高。文中在分析弹道导弹运动特性的基础上,提出视速度增量校正方法,仿真表明该方法的计算精度高于直接插值计算方法。在此基础上利用该方法对速度和位置数据进行了增密,得到了步长小、精度高的增密数据。     

遥测计算机字的自动判读

以导弹模拟飞行原理为基础 ,建立了简化弹道模型 ,分析了导弹遥测计算机字各参数的大小范围、变化规律 ,根据确定的范围和变化规律编制了遥测计算机字自动判读软件 ,并用曲线图的形式直观地显示了遥测计算机字的变化。     

用于热真空环境下整星微波无线测试的低PIM吸波热沉研制

随着通信卫星技术的发展,收发共用已成为通信卫星有效载荷常用的设计方法,在这种情况下,无源互调(passive intermodulation,PIM)问题就显得尤为突出。为了完成整星及转发器分系统在热真空环境下的PIM指标测试,利用碳化硅吸波材料研制了一种低PIM吸波热沉,并利用该吸波热沉建立了指标小于150 dBm的低PIM测试环境,同时兼具热流模拟功能和微波功率耐受能力。在热真空环境下圆满完成了国内首次有整星参与的微波载荷无线PIM测试试验。     

广西-东盟农产品贸易发展及对策分析

系统研究了广西与东盟农产品贸易的现状以及贸易动向，对促进广西和东盟农产品贸易存在重要的现实意义，不仅对预测广西与东盟未来的农产品贸易格局和发展趋势具有重要意义，而且对广西的农产品生产结构、农业产业政策和农产品贸易政策调整等都具有政策参考价值。     

基于LabVIEW的变流机测试系统研制

介绍了一种基于LabVIEW软件平台研制的测试系统,用于对单、三相变流机进行稳态性能测试,采用虚拟仪器技术实现对变流机各项参数的自动化测试,如电压、电流、频率、有功功率、功率因素等,同时,也能对变流机输出电压过高或过低、故障、缺相等现象进行判断。     

广西—东盟农产品贸易发展及对策分析

系统研究了广西与东盟农产品贸易的现状以及贸易动向,对促进广西和东盟农产品贸易存在重要的现实意义,不仅对预测广西与东盟未来的农产品贸易格局和发展趋势具有重要意义,而且对广西的农产品生产结构、农业产业政策和农产品贸易政策调整等都具有政策参考价值。     

低PIM吸波装置的设计与性能测试

为了解决在空间环境模拟器(简称"容器")内开展无源互调(Passive Intermodulation, PIM)测试的技术难题,验证温度变化对航天器系统级PIM性能的影响,需要在容器内建立一个低PIM的吸波环境。即在容器内安装一种封闭的低PIM吸波装置,使星上被测无源器件完全被其包敷,然后通过模拟温度应变过程完成测试工作。文章介绍了PIM指标小于-150 dBm的低PIM吸波装置的设计思路和常压热循环测试过程,并对测试结果进行了分析,确定该吸波装置PIM性能满足试验测试要求。     

基于学习的中段反导拦截时间和拦截点预测方法

弹道导弹实时、准确地预测拦截弹的拦截点与拦截时间，是实现中段突防的有效手段。针对弹道导弹中段突防中的拦截点坐标及拦截时间的预测问题，提出了一种基于监督学习的在线预测方法。以拦截弹的主动段关机参数和关机时刻为输入量，建立拦截时间和拦截点预测模型。在多层感知机神经网络的基础上构建有监督学习算法，通过攻防仿真获取拦截弹的参数制作训练数据集，在线下完成网络训练。仿真结果表明:神经网络能够有效在线预测拦截时间和拦截点坐标，预测结果的相对误差分别为0.124 3%和0.128 5%，拦截时间预测结果误差的平均值为0.224 0 s，拦截点预测结果距离误差平均值为2 016.48 m，均满足精度要求。