高分影像辅助下的航空高光谱严密几何检校方法

 惯性测量单元(IMU)与传感器视准轴的偏心角和偏心矢量是造成航空线阵列高光谱数据几何校正误差的主要原因之一。在分析偏心角与偏心矢量误差来源之后提出该误差由IMU主轴与传感器主轴的角度偏差、测区固定偏差、GPS中心与传感器投影中心相对偏差组成,在此基础上建立了较为严密的检校模型。针对模型解算时需要大量高精度控制点的问题,提出了一种高分影像辅助下的亚像元精度控制点自动提取方法。通过多地区、多传感器高光谱航测实验表明,亚像元精度控制点能有效提高模型解算精度。新检校模型可获得亚像元校正精度,推扫式传感器——应用型机载成像光谱仪(AISA)建模中误差约为0.39个像元,摆扫式传感器——实用型模块化成像光谱仪(OMIS)建模中误差约为0.23个像元,校正后的影像可直接进行拼接。     

考虑输入饱和与姿态角速度受限的航天器姿态抗退绕控制

 针对航天器姿态控制过程中同时存在输入饱和与姿态角速度受限的问题,提出了一种新型的姿态控制设计方法。该方法在保证系统渐近稳定的前提下,能够显式地给出输入力矩和姿态角速度的最大幅值,并通过引入一个时变锐度参数来增强系统对外部干扰的抑制能力;在此基础上,进一步考虑了由于四元数的冗余性所导致的退绕问题,设计了一组新的姿态偏差函数和偏差向量,使得控制器在满足上述约束的同时还具有抗退绕的优点。仿真结果表明,所提算法能够同时满足输入饱和与姿态角速度受限的约束,并且在较大外部干扰的情况下表现出了很强的鲁棒性,同时成功地规避了退绕现象。该算法为存在多重约束的航天器姿态控制问题提供了一个新的思路和解决方案,具有很好的实际应用价值。     

超声速串列静叶积叠优化分析

在进口超声速、气流转折角大的高负荷条件下,静叶通道中激波强度高,激波、附面层干扰引起的损失大,且静叶中三维流动引起的径向载荷分布不均匀,易产生角区分离。叶片积叠优化是提高风扇性能的一项有效技术。采用数值模拟的方式研究了不同积叠形式对优化串列静叶沿展向激波结构,改善叶排间流动匹配的作用。三维流动对比分析可以得出:高负荷串列静叶采用正弓形积叠,叶片展向载荷分布合理,静叶端壁角区分离损失减小,前后叶片排流动匹配较好,风扇性能进一步提高。     

宽带SMA微波同轴匹配负载的试制 高稳定度原子钟在空间的应用与发展

简单地介绍了微波同轴匹配负载常见的几种结构型式和特点,并对影响匹配负载的主要因素进行了分析讨论,给出了宽带SMA微波同轴匹配负载的结构,以及国外两种同类负载在美国HP8409B自动网络分析仪上进行对比测试结果。测试结果表明,自行研制的SMA匹配负载,在DC—18GHz频带范围内,具有良好的电性能,其电压驻波比≤1.25。具有频带宽、驻波低、尺寸小、重量轻等特点。还介绍了一种结构新颖的宽带微波同轴匹配负载。最近几年,原子钟的长期稳定度已经进展到10~(-16)量级。这些装置在空间对于通过VLBI高精度的角度测量以及通过多普勒技术高精度的测距和测速是非常适用的。这篇文章将介绍某些正在进行和提出的应用高稳定度钟的空间科学实验以及钟在这些测量上的意义。     

基于实例推理的工艺规划

在研究基于实例推理(CBR)基本原理和实例特征属性权重的确定方法的基础上,建立了CBR的工艺规划模型,提出了CBR工艺规划算法.根据这种算法,描述了BITCAPP中CBR技术应用的过程,并分析了基于分层递阶思想的实例组织和匹配模型等关键技术.最后以箱体类零件为例对CBR技术在工艺规划中的应用进行了验证.     

高阶对象的二阶模型匹配

本文证明了对于一类高阶对象，其输出可以用一系列系数连续变化的线性定常二阶系统的输出组合完全代替。     

显示界面字符编码工效设计与分析

针对人机显示界面中字符编码的工效设计问题,以封闭模拟驾驶舱为基础,采用32名被试开展静态模拟实验,选取反应时间和反应正确率为工效评价指标,得出不同光照水平、颜色匹配和字符高度下显示界面呈现的中文、英文、数字及符号的辨识绩效.实验结果表明:中/英文、数字和普通符号的辨识绩效差异显著;0~600 lx范围内4个水平光照变化对字符编码辨识绩效影响较小;颜色匹配方式对字符编码辨识绩效影响显著,黄/白、绿/青的字符/背景色匹配方式辨识绩效较差,在字符编码设计中尽量避免使用.通过实验结论及对实验数据的深入分析,建立显示界面字符编码设计的数学模型,为飞机驾驶舱人机显示界面编码设计提供参考.     

路网匹配定位方法研究

针对车载惯性导航设备由于其惯性器件随时间漂移产生误差导致系统定位精度逐渐变差的问题,提出了一种路网匹配定位方法以提高车载导航系统的综合定位精度,该方法基于视觉测量原理通过双目摄像装置采集道路周边环境特征进行匹配定位,介绍了匹配定位的基本原理和系统实现所需的关键技术,通过实际跑车测试,验证了该方法的合理性和可行性。     

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。