空间载荷机柜热控设计的仿真研究

空间站主动热控系统的作用是提供和保持航天员、仪器设备和结构部件所要求的温度、湿度和风速等热环境。本文以空间载荷机柜为热控系统的基本单元，建立了以单相流体循环回路为基础、采用液冷结合风冷的冷却方式的载荷机柜数学模型；介绍了模糊增量控制算法的工作原理；提出了采用模糊增量控制算法，以液冷支路进出口温差和风冷支路冷却量占总冷却量的比值为控制目标的反馈控制策略。同时文章采用数值模拟方法研究了控制系统的动态响应效果。仿真结果显示，模糊增量控制算法具有响应迅速、超调量小、无静态误差的特点，控制策略满足有效性、稳定性和高精确度的要求。     

一种基于局部球面约束的GPS单频瞬时定向方法

GPS单频瞬时定向具有高精度、低成本和无需周跳检测等诸多优势,但成功率依赖于高精度的伪码测距辅助,同时对可见星数目也较敏感,不利于载体在城市峡谷等遮挡环境中的应用。针对此问题,提出一种带有局部球面约束的整数最小二乘估计方法,算法不依赖于高精度的伪码测距辅助,并充分将姿态角概略信息融入到短基线观测模型中,增强了模型强度,提高了定向解的可靠性。实际试验表明,本方法可以显著提高整数最小二乘的成功率,适用于卫星可见性受限环境下的定向解算。     

连续式风洞二喉道调节马赫数控制策略

为了降低连续式跨超声速风洞压力波动,提高马赫数稳定性,需要对二喉道调节马赫数控制方式进行研究,针对现有文献鲜少对该控制策略描述等问题,以0.6m连续式跨声速风洞为例,对二喉道控制马赫数的原理进行分析,基于运动控制器加伺服驱动器双PID(proportion-integral-derivative)控制模式实现二喉道位置精确控制,提出了二喉道和压缩机转速的组合控制流程,并采用分段变参数模糊PID加串级控制的算法实现马赫数精确控制,最后进行了试验验证。结果表明马赫数控制精度优于0.001,且每个马赫数极曲线(9个攻角阶梯)的时间可控制在4min以内,证明所提出的控制策略是有效的,可为连续式跨超声速风洞的设计调试提供参考。      

面向下一代运载火箭的综合电子系统集成技术

介绍了面向下一代运载火箭分布式模块化电子系统(DIMA)的集成技术及系统架构。针对下一代运载火箭复杂电子系统的特点，按照系统集成的路线，对系统设计目标、系统功能需求分析、系统抽象机制、系统综合技术等多方面进行论述。首先，根据电气系统功能获得系统需求，采用功能抽象和层次抽象定义系统抽象模型，提取出高内聚低耦合的原子功能模块，并对模块的属性、交换关系、时序约束关系等进行定义；然后采用可视化表征方法对系统进行深入分析，利用系统综合技术实现了从系统功能到硬件资源的映射，从而给出了集成控制单元和模块的种类；随后采用分时分区的设计理念对系统节点分区划分方案及容错架构进行了定义，并对分区操作系统的调度模型和交换式的数据交互网络进行了论述，最终给出了系统软硬件架构。     

基于职业需求的航空安全员体能现状评价

综合运用文献资料、专家咨询、数理统计等科研方法,将航空安全员体能考核成绩进行统计处理分析。研究显示:各年龄段体能整体处于较高水平,年龄段间成绩无明显差异性;卧推、立定跳远的考核成绩最为优异,其余项目各年龄段合格率亦基本达到90%左右,平均得分集中于70-80分之间。结论认为:民航局相关职能部门对航空安全员训练的考勤、教学、考核、监督检查等一系列改革措施,从制度上保障了各训练机构的训练质量;专业性和实务性相结合的体能训练师资,促使教学组织训练凸显出科学性和系统性。建议航空安全员体能训练大纲的制定,应当结合航空安全保卫任务的性质和特点,切实提高航空安全员适应飞行的基本身体素质。在此基础上,侧重空中反恐处突实战能力的专项体能素质提升,树立教学服务实战的明确导向,运用合理的教学训练模式。     

机载综合无线电平台的中频数据传输总线优选分析

在综合无线电平台中，根据硬件平台通用化要求，需要选择一种总线同时满足CNI 不同波形的中频 数据传输对延时、带宽和误码率的要求。本文针对不加协议的GTX 和加上高速串行通信协议的Aurora、SRIO 进行测试，得到这三种高速串行总线在延时、带宽和误码率的对比分析，从而选择一种总线作为多波形综合的 中频数据传输总线。     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状，提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱，并通过主成分分析方法增强了信号的特征；参考迭代自组织数据分析的“分裂”和“合并”的思想，为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为；采用模糊C均值方法定义了隶属度矩阵和目标函数，并利用改进的人工鱼群算法，迭代搜寻了目标函数的全局最优解，得到了各故障模式的聚类中心；通过计算测试数据的最近邻聚类中心，实现了故障模式识别。结果表明，该方法无需指定聚类簇数，能在标记数据量小的情况下完成训练，较同类方法表现出了更优的故障模式识别性能。