MEMS陀螺仪的高精度标定方法

为了提高微机电(MEMS)陀螺仪的测量精度，研究了一种同时标定陀螺非正交误差和加速度敏感漂移误差的标定方法。设计了16位置的转台标定方案，分别以地球自转角速率和重力加速度作为角速率和加速度激励源，利用两组角速率数据迭代求解非正交误差和加速度敏感漂移误差，并以陀螺仪对地球自转角速率的敏感误差作为校正效果的评估依据。试验结果表明，该方法能够有效校正MEMS陀螺仪的非正交误差和加速度敏感漂移误差，提高了陀螺仪的测量精度，且易于工程实现。     

一种三回路过载自动驾驶仪设计方法

从三回路过载驾驶仪的模型出发，给出形式统一的系统开环传函、闭环传函及闭环特征方程，然后依据闭环传函确定系统控制增益与闭环极点、开环截止频率的关系。通过引入舵偏角速度约束、开环截止频率约束、稳定裕度指标约束及高频部件约束，进而给出最小化闭环系统等效时间常数的目标函数。形成典型的约束条件下参数寻优范式，通过求解系统最优解，实现系统开环截止频率、相位裕度的精确设计，形成一种可工程化的极点配置设计方法，算例检验了方法的有效性。     

基于神经网络的车辆强制换道预测模型

针对高速公路上车辆行驶速度快，换道行为危险程度高的问题，聚焦于不可避免、发生频繁、一旦发生事故后果严重的强制换道行为，改进基于门控循环单元(GRU)的换道模型，对强制换道行为进行分析与预测。为保证模型的有效性，选取下一代仿真技术(NGSIM)数据作为模型的训练集与检测集，使用侧向加速度将车辆侧向摆动数据有效删除并得到强制换道的最迟换道点，进而实现车辆位置与换道决策的预测。实验结果证明，所提模型能够以96.01%的准确率判定车辆在最迟换道点的强制换道行为，相较于LSTM模型准确率提升了3.67%，同时相较于朴素贝叶斯网络准确率提高了7.31%。      

单轨火箭橇在轨动力特性数值分析

为系统性分析火箭橇在轨动力特性，采用三维Eluer-Bernouli梁单元对火箭橇系统进行离散，通过重构生成长程不平顺轨建立考虑轨道不平顺及滑靴磨损的靴轨非线性接触力模型，由Newmark-β结合Newton-Raphson局部迭代求解非线性动力学方程获得火箭橇在轨动力特性数值解，并通过试验验证，计算结果表明：马赫数为2的速度下火箭橇质心竖向过载峰值约为2 700g；火箭橇在轨占空比与航向速度成正比，马赫数为2的速度下竖向火箭橇在轨占空比为16%；高速段滑靴磨损量占全弹道磨损量的84%，靴轨单次接触磨损量与航向速度3次方成正比。     

ARJ21-700飞机完成高速特性等高风险操稳局方审定试飞科目

<正>2014年1月17日,ARJ21-700飞机104架机在完成一架次飞行后顺利降落,标志着新支线飞机高速特性、失配平、抖振和抖振边界等高风险操稳局方审定试飞科目圆满完成。从1月7日到17日,104架机共飞行14架次,共计25小时58分,充分验证了飞机在大速度、高过载系数和大迎角条件下的操纵品质和飞行特性,     

飞行器蒙皮桁条结构减振优化设计方法研究

减振和隔冲击设计对航天飞行器可靠性和安全性设计具有重要意义。先利用爆炸冲击的加载试验，获得了典型蒙皮桁条结构有效的冲击加速度数据。建立并修正了减振结构的动力学仿真模型，利用验证的仿真模型对五种不同的结构减振方案进行分析，得到一种有效的减振优化设计方法。     

基于内腔光阱的光力加速度测量方法

内腔光阱中被捕获微粒的微小位移将导致腔内激光功率的大幅变化,可实现光阱系统的快速自反馈.基于这一原理,提出了一种新型加速度测量方案.该方案计算了内腔光阱中被捕获微粒的径向受力,建立了利用激光功率进行加速度传感的理论模型,并分析了工作点的选取对加速度测量的影响.系统以高频光电探测器作为加速度测量模块,可实现GHz量级的信号采集.内腔光阱将进一步促进光镊技术在惯性测量方向上的应用.     

重力卫星高精度测距系统观测量的降速率滤波算法

在卫星时频传递、矢量测量技术领域，有效观测数据的高精度滤波处理十分重要，其基本要求是在保留有效观测信息的同时能够降低噪声干扰，实现原始信息的高效、高精度传递。以中国地球重力场测量卫星高精度测距系统的工程研制为背景，为实现高频噪声抑制、保留低频重力场信息，基于对FIR滤波器结构的优化和窗函数的改进，提出了一种对10 Hz采样率的原始测距数据降速率、降噪滤波的算法。相比其他类似算法，所提方法同时具备降速滤波和差分运算两种功能，噪声抑制抑制度优于44%，且频率截止特性陡峭，第一旁瓣抑制度达到–94 dB。该算法在提高测距精度、充分保留重力场信息的同时，实现了地面数据后处理流程的简化，为微波测量系统、激光测量系统的数据处理提供了一种优选方案。     

基于LSTM的飞行器纵向可用过载预测方法研究

针对执行较长飞行任务的飞行器在飞行任务期间难以实时准确预测机动能力的问题，开展了基于长短期记忆(LSTM)的飞行器纵向可用过载预测方法研究。首先，对飞行器纵向过载相关参量进行了分析。然后，以纵向可用过载为性能指标，建立了基于LSTM网络的BP神经网络预测模型。预测模型的输入是一段飞行时间内可测量的飞行状态数据序列，输出是未来时刻的纵向可用过载。最后，基于某型飞行器建立数字仿真模型并开展了仿真验证及结果分析。研究结果表明，所提出的预测模型准确有效，可以帮助实现飞行器飞行性能的实时评估和预测。