基于超声电机的新型舵系统研究

针对小型无人机、微型导弹等小功率精确制导武器执行机构，对伺服系统的精度和快速性提出了更高的要求，利用一种基于压电作动元件的新原理电机——超声电机，开展了驱动控制技术研究，提出了一种带反馈回路的LC谐振匹配电路，并对Bang-Bang控制策略进行了简化，最终研制了一种相比小功率电磁电机舵系统具有更高精度和更快响应等特点的超声电机舵系统原理样机。性能测试结果表明：该超声电机舵系统精度和动态性能良好，定位误差小于（0.018°+ δ×4‰），频带大于70Hz。     

亚超剪切混合层燃油雾化特性试验研究

为了摸清亚超大梯度剪切混合层内直射式喷嘴的燃油雾化特性，设计了用于向亚超剪切混合流中进行燃油喷射的直射式喷嘴，建立了亚超剪切混合层中燃油雾化试验系统。利用粒子图像测速系统（PIV），对亚超大梯度混合层中油雾场进行测量。通过改变喷嘴流量、喷射角度和喷嘴数量研究不同参数对雾化特性的影响，并应用图像处理技术对亚超大梯度剪切混合层内的油雾场进行分析，总结归纳其雾化规律。试验结果显示：随着流量增大，穿透深度会随之增大，破碎后的颗粒分布峰值所对应的液滴直径会逐渐变小，雾化效果提升；相同流量条件下，喷嘴的角度改变对雾化效果有影响，顺喷和逆喷的雾化效果均好于垂直喷射；逆喷的喷射高度最高，随着流量的增长，燃料将会碰壁；顺喷条件下，随着角度的增加，穿透长度会有所增加；综合燃油轨迹边界，逆喷的效果相对较好。相同流量条件下，喷孔个数的改变对雾化效果和穿透深度的影响不大。     

航电系统集成验证环境中的试验总控系统建设

针对国内军用航空修理行业系统级综合试验现状,根据航电集成验证环境中总控系统的特点和应具有的基本功能,结合视情维修需求及现代软硬件技术状态和成熟试验验证的手段,介绍了航电系统集成验证环境中总控系统的建设思路,给出了总控系统硬件及上位机测试软件的实现方案。该总控系统的应用将提升航电系统的修理验证能力。     

基于IMU/FADS/无线电的火星上升器组合导航方案

以火星采样返回任务中火星表面上升为背景，研究了基于惯性测量单元（Inertial Measurement Unit, IMU）、嵌入式大气数据传感系统（Flush Air Data Sensing System, FADS）和无线电信标的组合导航方法。首先，在传统的IMU导航框架中加入由无线电测量获得的相对距离、速度信息，以及由FADS获取的动压、温度数据，建立了基于IMU、无线电和FADS的导航观测模型；然后，基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）技术对测量信息进行了融合，并压制了过程噪声和测量噪声，从而对上升器的状态进行了联合估计；最后，在数值仿真中，将UKF与自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter, AUKF）技术进行了对比，在比较不同滤波器性能的同时，验证了组合导航方法的有效性。     

异构无人系统协同作战关键技术综述

针对异构无人系统的规模、异构性强弱，对异构无人系统进行了分类，引入了异构无人系统协同作战班组的概念以及应用设想，并通过城市环境中异构无人系统协同作战问题为牵引，提出了异构无人系统协同作战面临的挑战与解决思路，在此基础之上，从异构无人系统协同控制架构、协同任务规划、智能交互、目标感知、环境感知等主要方面对异构无人系统协同作战的关键技术进行了分析，最后对异构无人系统协同作战目前的研究进展与挑战进行了总结。     

技术供需协同视角下中部地区产业技术创新能力的比较研究

产业技术创新是产业发展的决定因素,是技术供给与需求两大因素共同推动的结果,产业技术创新供需协同度可以表征产业技术创新能力。中部六省的产业技术创新能力有较快提升,但产业技术供需不协同的现象依然制约着产业技术创新的发展。本研究以中部六省为研究对象运用复合系统协同模型从技术供给与需求视角对中部六省产业技术创新能力进行测度,研究发现供需复合系统协同度呈上升趋势,但部分省份协同度不高,处于轻度失调或濒临失调状态。最后根据以上结论从创新能力、资金、人才、创新平台建设等方面给出提高产业技术创新能力的对策与建议。     

某型飞机阻力伞抛放系统故障模式分析

针对某型飞机阻力伞系统放伞、抛伞故障,通过分析系统的组成、工作原理、常见故障模式以及故障原因,提出了改进建议,为该型飞机阻力伞抛放系统故障的排除提供思路。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.