超声速飞行器FADS系统实时解算设计与验证

针对典型超声速飞行器的头部外形,采用CFD数值模拟方法计算获得超声速飞行器头部测压点阵列的压力数据,设计了基于BP神经网络技术的求解算法和基于FPGA+DSP构架数字信号处理的解算机、飞行马赫数2.0~4.5的嵌入式大气数据传感系统实时解算方案。应用蒙特卡罗法分析测量总误差对算法模型的影响,并获得满足嵌入式大气数据传感系统设计目标要求的测量系统总误差。算法在解算机上完成1次计算所需时间1ms,完全可以满足嵌入式大气数据传感系统算法实时解算设计的要求。在1.2m×1.2m超声速风洞完成求解算法的实时解算试验,试验结果与风洞系统的测量结果基本吻合,系统在实时解算过程中未出现异常、能灵敏反映出来流参数变化、具有很好的鲁棒性和敏捷性。静压测量相对误差≤6.9%,马赫数测量误差0.1,迎角和侧滑角的测量误差均1°。最后还分析了试验误差影响因素,提出了试验改进的方法。     

星载观测平台的视线误差分析

为分析星载观测平台各项误差源对视线测量精度的影响,研究了一种基于多参量的视线测量误差建模与评价方法.不同于以往卫星、相机的空间测量方式,针对卫星、转台、相机的观测结构,构建了从惯性空间到光学传感器像平面的目标成像模型及星载观测平台视线测量模型.通过推导星载观测平台视线测量误差与观测中13项误差源的关系,提出一种基于灵敏度分析的误差评价方法,并在三个轴向上分析了各项误差源对星载观测平台视线测量精度的影响.利用蒙特卡罗仿真试验验证了理论模型的有效性.结果表明,卫星轨道误差、卫星姿态误差、载荷平台角振动误差、内外框架转动误差、像平面目标像点的位置量化误差是影响星载观测平台视线测量精度的主要因素.该方法能够科学评估各项误差源对星载观测平台视线测量精度的影响,对星载观测平台的总体设计具有重要的应用价值.      

深空探测活动年表(三)

<正>~~     

农业生产性服务业研究述评

生产性服务业的研究成果多集中于制造业,关于农业生产性服务业的研究比较薄弱,主要集中在对农业生产性服务的发展模式、存在的问题和政策建议等宏观层面的理论探讨上,实证分析较为欠缺。近两年有少量实证研究成果分析了生产性服务对农业的影响,还有学者从农户这一微观层面实证分析了农业生产性服务的需求状况。理论研究的深度、定量分析等多种研究方法的运用、微观层面的调研以及与国外的比较是今后农业生产性服务业的研究方向。     

海洋定位卫星性能分析

编队卫星是重要的空间设施，为保证编队卫星在空间复杂环境中的工作效率，需对编队卫星的工作原理、状态进行分析。以三星编队的海洋定位卫星为例，由于该编队卫星工作状态常受到星间基线、目标源位置、卫星高度等多种因素的制约，易造成定位模糊等问题。在评价海洋定位卫星性能方面，传统的方法主要着眼于定位精度，而忽略了定位迭代解算时间这一指标，而在特定的场景下(海上搜救、抢险救灾)，较短的解算时间可以迅速找出目标源的概略位置。通过分析海洋定位卫星的时差测量定位原理，对定位误差精度进行了分析，提出水平精度因子(HDOP)和最小二乘迭代结合的评价方法，分析了影响卫星性能的因素，包括目标源相对几何位置、卫星高度及卫星几何构型等方面的影响。仿真结果表明:本文的设计可以提高卫星的定位效果，为定位卫星的参数设定提供参考。     

基于声发射信号信息距的滚动轴承故障诊断

在信息熵理论基础上,提出了一种融合小波能谱与马氏距离的信息距滚动轴承故障诊断方法.利用双转子试验台对滚动轴承内圈故障、外圈故障、滚动体故障、内圈 滚动体故障和内圈 外圈故障进行模拟,并采集其声发射信号.利用提出的信息距方法对获取的声发射信号进行分析,成功实现滚动轴承单一故障和耦合故障诊断.结果表明该方法信息利用率高于信息熵方法,能够清晰和准确地诊断出滚动轴承早期故障,效果明显优于信息熵距的诊断方法.      

安监系统压力参数现场校准测量结果不确定度评定探讨

基于压力变送器现场压力测量、信号转换传输和压力终端显示,建立了安全监控系统(简称“安监系统”)压力参数现场测量系统。介绍了安监系统压力参数在线校准方法,建立了测量误差数学模型,分析了显示终端压力参数测量结果的不确定度来源,并进行测量结果不确定度的评定,经试验验证分析,给出了现场系统校准测量结果不确定度的主要贡献分量。     

基于深度学习的无人机航拍视频多目标检测与跟踪研究进展

随着无人机航拍的数据采集愈加便捷，以无人机为平台的多目标检测与跟踪技术发展迅速，在智慧城市、环境监测、地质探测、精准农业和灾害预警等民用和军事领域有着广泛的应用前景，近年来深度学习的突飞猛进也为其提供了多种更为有效的解决思路。然而，无人机视角下目标外观发生突变、目标区域被严重遮挡以及目标消失和重现等挑战性的问题尚未完全解决。综述了基于深度学习的无人机航拍视频多目标检测与跟踪算法，总结了该领域的最新进展，包括多目标检测、多目标跟踪2个模块。多目标检测模块划分为双阶段与单阶段两个部分。对于多目标跟踪模块则依据基于检测的跟踪和联合检测的跟踪2个经典框架，分别阐述了2类算法的原理并分析其优缺点。随后对现有的公开数据集进行统计分析，并对基于无人机航拍视频的多目标检测与跟踪领域内标杆挑战赛VisDrone Challenge近年来的最优方案进行了对比分析。最后总结了无人机视角下多目标检测与跟踪亟待解决的问题并展望未来可能的研究方向，为后续相关研究的人员提供参考。