Hybrid integration method for highly maneuvering radar target detection based on a Markov motion model

To detect highly maneuvering radar targets in low signal-to-noise ratio conditions, a hybrid long-time integration method is proposed, which combines Radon-Fourier Transform (RFT), Dynamic Programming (DP), and Binary Integration (BI), named RFT-DP-BI. A Markov model with unified range-velocity quantification is formulated to describe the maneuvering target’s motion. Based on this model, long-time hybrid integration is performed. Firstly, the whole integration time is divided into multiple time segments and coherent integration is performed in each segment via RFT. Secondly, non-coherent integration is performed in all segments via DP. Thirdly, 2/4 binary integration is performed to further improve the detection performance. Finally, the detection results are exported together with target range and velocity trajectories. The proposed method can perform the long-time integration of highly maneuvering targets with arbitrary forms of motion. Additionally, it has a low computational cost that is linear to the integration time. Both simulated and real radar data demonstrate that it offers good detection and estimation performances.     

空间模拟碎片释放装置技术方案

为配合空间碎片主动清除技术的演示验证试验,提出了一种空间模拟碎片释放装置的技术方案:由模拟碎片及分离解锁装置组成。模拟碎片不具备任何合作特征,最初通过压紧杆与分离解锁装置相连,释放时由火工切割器切断压紧杆,模拟碎片在压缩弹簧的驱动下与分离解锁装置分离。最后,通过静载、模态、运动特性分析及分离解锁试验验证了该释放装置设计的正确性。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

通信拓扑切换下的多飞行器协同拦截方法

针对通信拓扑切换条件下的多飞行器协同拦截问题，提出了一种基于扩张状态观测器的协同制导方法。建立协同制导设计模型，将协同拦截问题转换为视线稳定条件下的剩余飞行时间调节问题。为解决机动目标状态不确定的问题，将目标的状态视作扰动，设计扩张状态观测器来估计机动目标的状态，并在制导律中对目标的机动进行补偿。利用有限时间一致性理论进行一致性控制协议的设计，实现各飞行器剩余飞行时间的有限时间一致，并利用Lyapunov稳定性理论分析通信拓扑切换情况下闭环系统的有限时间稳定性，给出了系统一致收敛时间。仿真结果表明，在通信拓扑变换的情况下，设计的观测器能够有效估计目标状态，且协同制导律能够满足对剩余飞行时间的控制要求，进而实现协同拦截。     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题，提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计，然后构建冗余的微动原子集，对加速度补偿后信号进行微动分解补偿，通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数，并快速提取其微动特征。     

某靶用型无人机发动机空中停车故障分析

针对某新型靶机出现的发动机空中停车故障,对测控站记录数据进行分析,发现了转速采集系统和ECU控制系统存在的缺陷,并提出了解决措施。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

磁强计数据辨识卫星自旋状态

针对近地低轨三轴稳定卫星在轨管理后期,除磁强计外其他姿态敏感器都无效情况下的姿态异常问题,分析了三轴稳定卫星失去姿态基准后,星体自旋状态下三轴磁强计测量数据的特点,提出了使用磁强计测量数据的矢量信息,以找到能够获取卫星状态的方法,从而建立了磁强计测量矢量与卫星自旋轴的几何关系,给出了处于自旋状态下的卫星自旋轴确定方法。通过此种辨识方法,获得了某气象卫星姿态异常翻转状态下的自旋矢量方向和自旋角速度,从而证明了该辨识方法快速、有效,可以作为姿态异常卫星自旋状态的辨识手段,为恢复卫星姿态提供了重要信息,具有一定的工程应用价值。     

智能加工技术在切削颤振在线抑制中的应用

具有薄壁结构的关键航空零部件在切削过程中不可避免发生颤振现象。为提高工件表面质量,在加工过程中对颤振进行准确识别和有效控制已成为该领域的主要研究方向。而对于颤振在线辨识和抑制功能的实现,必须开发集成先进传感器和智能控制算法的智能数控系统,并保证系统中各功能模块线程协调运行。因此,在航空薄壁件的精密加工过程中,利用智能加工技术对切削颤振进行实时辨识和在线抑制将成为未来数控加工技术的发展趋势。     

结合不确定度的发动机模型辨识气路诊断

针对航空发动机气路诊断中测量参数个数小于待诊断参数个数的不适定问题,利用了发动机平衡技术,结合非线性的发动机数学模型,并综合考虑了测量参数的不确定度和理论模型部件性能的不确定度,建立了一种结合不确定度的发动机气路故障诊断辨识算法——变分加权最小二乘法,并将该算法应用于某发动机的诊断分析中.结果表明:运用该方法可分析出测量数据和模型计算数据之间的差别,同时,利用所得的故障参数修正量修正原发动机数学模型,使模型计算推力与试验测量推力最大偏差由8.25%减小到1.66%,耗油率最大偏差由6.25%减小到1.50%.