船载惯性测量单元姿态信息优化方法

随着海洋卫星通信技术的广泛应用，船载通信系统的需求量与日俱增。基于微电子系统的惯性测量单元主要用于测量船体姿态信息，实现姿态反馈与控制补偿，是船载卫星通信设备的核心器件。实际应用中通过卡尔曼滤波处理的惯性测量单元的姿态信息并不完善，经过分析惯性测量单元在运动过程中存在干扰性的有害加速度。分析了有害加速度的产生原因和对测量姿态的影响并提出姿态信息的优化方法。通过此优化方法可提升惯性测量单元的测量精度，增强船载通信系统的控制精度。     

基于线性间隙单元的民机舱门破损安全分析

现代民用飞机的登机门、应急门等舱门多采用半堵塞式方案,这类舱门的部分结构,如导向轴、止动块等,大于门框的净开口尺寸。在承受正压载荷时,舱门止动块和门框止动块接触,同时导向轴和导向槽需要保持足够的间隙以保证增压载荷全部通过止动块传递至机身。在破损安全工况中,当某一止动块破损时,舱门变形可能导致导向轴和导向槽接触从而将一部分载荷传递至机身,显然这取决于二者之间的间隙大小。传统的破损安全分析中多忽略导向轴和导向槽之间的间隙,认为止动块破损后相邻的导向轴一定会承担一部分增压载荷。以某型飞机的半堵塞式登机门为研究对象,使用MSC/NASTRAN的线性间隙单元模拟导向轴和导向槽的初始间隙,对破损安全工况下登机门的受力情况进行分析,结合未考虑初始间隙的分析结果进行讨论,对比结果说明了线性间隙单元在民用飞机破损安全工况分析中的作用,进一步揭示了设计间隙对于载荷分配的影响规律,从强度角度给出舱门关键传力部件的设计依据。     

基于混合神经网络的无线电信号自动调制识别

随着无线电信号数据海量增加，复杂电磁环境下面临着未知威胁和目标侦察识别复杂度高的问题，本文针对未知无线电信号的特征提取任务，设计了一种混合神经网络以提高目标无线电信号的识别能力。先通过胶囊神经网络对未知信号的空间信息进行提取，再进一步运用门控循环单元提取信号在时间上的特征信息。设计混合网络模型将信号的时间和空间特征相结合，提高对目标信号的分类精度。通过RML2016.04C调制信号数据集，验证了混合神经网络的识别性能。结果表明:当信噪比为6 dB时，混合网络模型对多种不同调制信号的分类精度大于95%。因此，本文所设计的混合神经网络能够有效对不同调制信号进行准确分类。     

节流水平对气液针栓喷注单元雾化特性的影响

为了分析气液针栓喷注单元雾化特性和雾化机制，采用背光成像技术和相位多普勒（PDA）系统进行试验研究，获得了雾化模式、体积流量分布、索泰尔平均直径（SMD）分布和速度场随节流水平的变化规律。结果表明：气液针栓喷注单元雾场形态为扇形雾场，雾化模式为剪切破碎。体积流量沿径向呈单峰形分布，随着节流水平降低，雾场外缘向中心收缩。SMD沿径向呈现递增规律，雾化最好的区域分布在雾场中心和两侧。SMD随节流水平增加而增大。当动量比不变时，节流水平对SMD的分布范围影响很小。针栓头部下方的中心回流区轴向尺寸随着节流水平降低而减小。     

一种基于精确刚度分析的刚性连接单元

NASTRAN刚性连接单元RBE3中的权因子需要人为设定,由此导致分配节点载荷具有较强的主观性。针对该问题,基于结构刚度矩阵的缩聚原理提出一种精确的刚性连接单元,该单元可将指定节点上的载荷精确分配至结构的主要承力节点,并能有效克服RBE3单元中权因子不直观且难以确定的缺点。通过算例验证,表明采用本文所提出的精确刚性连接单元可以精确完成由加载节点到主要承力节点的载荷分配计算,且所得载荷分配结果更为精确可靠。     

Al基含能微单元的一体化制备和燃烧性能

针对固体推进剂所面临的Al粉燃烧不充分和微纳尺度下组分偏聚两大关键问题，采用组分复合技术设计制备一种将氧化剂AP包覆在氟化物改性Al粉表面的含能微单元Al@PFPE@AP核壳型粉体，通过扫描电子显微镜、激光粒度仪、氧弹量热仪、电感耦合等离子发射光谱仪以及X射线衍射仪等对微单元粉体的形貌、粒径、燃烧性能以及燃烧产物进行分析。结果表明：含能微单元Al@PFPE@AP呈现明显的核壳结构，粒径较均一；当PFPE的添加量为5%（质量分数）时，相比于机械混合样品（AP+Al）,Al@5%PFPE@AP的燃烧热值提高了63.8%，燃烧产物粒径减小了61.8%，燃烧产物中活性铝含量减少57%以上；PFPE可以与Al粉发生预点火反应，增加Al粉的反应活性，并且Al粉表面对AP分解有催化作用，使AP的高温分解温度和低温分解温度分别降低了12℃和10℃；核壳型微单元结构对体系燃烧性能的提升有明显的促进作用，能够大幅度提高推进剂主要组分燃烧时的能量水平。     

立体物料仓库单元的机械系统FMEA分析

立体物料仓库单元是钣金自动化智能生产线中重要的板料储存中心，其可靠性问题直接关系到钣金自动化智能生产线的可靠性，因此，对钣金自动化智能生产线的立体物料仓库单元机械系统进行故障模式及影响分析(FMEA)十分重要。针对传统FMEA中缺少功能和故障因果关系分析的问题，提出使用维护感知设计环境(MADe)软件对立体物料仓库单元的机械系统进行功能分析和故障数据分析，并建立立体物料仓库单元的功能模型图和机械系统的故障因果关系图。在此基础上，根据立体物料仓库单元功能模型图构建机械系统的模糊认知图(FCM)邻接矩阵，再通过计算得出立体物料仓库单元机械系统的FMEA表。对立体物料仓库单元机械系统进行基于MADe软件的FMEA分析显示，所提方法对提高钣金自动化智能生产线可靠性具有通用性。      

基于可穿戴惯性测量的滑雪运动员姿态测量与水平评估方法

运动量化分析是科学化滑雪训练的重要发展方向,而滑雪过程中人体运动模式的数字化表达是科学量化分析的基础和依据.设计并搭建了基于可穿戴MEMS惯性测量单元的人体运动捕捉与姿态重构系统,结合人体多刚体运动模型实现了滑雪过程的人体重构,并应用于高山滑雪运动中回转动作的辅助训练.同时,针对基于多自由度模拟滑雪训练平台的室内训练场景,提出了一种适用于滑雪回转运动的数字化评估方法.该方法利用动作捕捉系统和姿态重构系统提取滑行者五种滑行特征数据,并通过与高水平运动员运动参数的相似性度量和线性拟合实现对滑雪运动员技术参数的评估,以辅助科学训练.最后在室内Olymp模拟滑雪训练台上进行实验,验证了该方法的有效性.     

基于CNN-BiGRU的学术文本分类研究

针对传统的文本分类模型存在特征提取能力不足和分类准确率较低等问题，提出一种基于卷积神经网络和双向门控循环单元相结合(CNN-BiGRU)的文本分类方法。首先，以图书情报领域相关主题文本摘要为数据源，通过Word2vec进行文本向量化；其次，通过CNN获得输入文本信息的局部特征，并使用BiGRU保留文本中的顺序相关性；然后，选择softmax分类器输出分类结果；最后，与传统的机器学习分类方法和单一的深度神经网络模型分类方法进行对比实验。结果表明，在数据量大的情况下，文中提出的CNN-BiGRU分类模型具有更好的分类效果，其准确率、召回率和F1值均达到了95%以上，能够在一定程度上解决学术文本“信息过载”等问题。     

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点，也是碎片连体基下动力学参数向卫星坐标系转换的基准，对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程，获取附着到空间碎片表面的惯性单元间转换关系，利用该转换关系对惯性单元冗余测量数据优化，再优化求解惯性单元到质心点距离；利用双目视觉获取惯性单元上标记点动态坐标，再利用惯性单元到质心点距离，基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真，结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下，解算的质心位置三轴误差小于0.47mm；开展了地面试验，结果表明，解算的质心位置三轴误差小于0.49mm。仿真和试验证明，该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。