A comprehensive survey on the methods of angle of attack measurement and estimation in UAVs

Angle of Attack (AOA) is a crucial parameter which directly affects the aerodynamic forces of an aircraft. The measurement of AOA is required to ensure a safe flight within its designed flight envelop. This paper intends to summarise a comprehensive survey on the measurement techniques and estimation methods for AOA, specifically in Unmanned Aerial Vehicle (UAV) applications. In the case of UAVs, weight constraint plays a major role as far as sensor suites are concerned. This results in selecting a suitable estimation method to extract AOA using the available data from the autopilot. The most feasible and widely employed AOA measurement technique is by using the Multi-Hole Probes (MHPs). The MHP measures the AOA regarding the pressure variations between the ports. Due to the importance of MHP in AOA measurement, the calibration methods for the MHP are also included in this paper. This paper discusses the AOA measurement using virtual AOA sensors, their importance and the operation.     

基于数字孪生的智能脉动管控

为提升飞机总装脉动生产线智能化水平,开展了基于数字孪生的智能脉动管控研究。基于数字孪生五维模型理论构建了飞机总装脉动生产线数字孪生应用架构,从反应式计划调度、物流精准配送、智能作业指导、产线健康监视、资源迭代优化配置5个方面开展了技术研究,为复杂产品装配的智能制造应用提供参考。     

Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging

Rotating machinery is widely applied in industrial applications. Fault diagnosis of rotating machinery is vital in manufacturing system, which can prevent catastrophic failure and reduce financial losses. Recently, Deep Learning (DL)-based fault diagnosis method becomes a hot topic. Convolutional Neural Network (CNN) is an effective DL method to extract the features of raw data automatically. This paper develops a fault diagnosis method using CNN for InfRared Thermal (IRT) image. First, IRT technique is utilized to capture the IRT images of rotating machinery. Second, the CNN is applied to extract fault features from the IRT images. In the end, the obtained features are fed into the Softmax Regression (SR) classifier for fault pattern identification. The effectiveness of the proposed method is validated using two different experimental data. Results show that the proposed method has a superior performance in identification various faults on rotor and bearings comparing with other deep learning models and traditional vibration-based method.     

热防护材料高温异型传感器校准技术研究

高温异型传感器广泛应用在热防护材料研究领域，因其测温部分比通用温度传感器尺寸短，现有的校准装置无法满足该类传感器的校准需求。针对高温异型传感器无法校准的问题，提出了一种应用专用高温恒温炉、基于比较法的校准方法，研制了高温异型传感器校准装置，实现了该类温度传感器的量值溯源，并进行了不确定度分析。     

ZSGA?2型重力敏感器关键技术分析与试验验证

与国外主流海洋重力仪相比，国产海洋重力仪的分辨率低一个数量级，这制约了国产海洋重力仪的应用。针对国产海洋重力仪亟需提高分辨技术的需求，根据ZSGA-2型重力敏感器的工作原理，建立了弹性系统的力学模型，并开展了样机的静态性能测试。测试结果表明，经零位漂移和大地固体潮汐修正后的静态精度达到了0.03mGal，样机随重力仪进行楼层高差测量的重复性为0.15mGal。该型重力敏感器的分辨率已经达到了国外同类产品的技术水平，并具备了一定的动态适应性，为该型高分辨率零长弹簧重力敏感器开展高动态环境适应性技术研究奠定了坚实基础。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

基于电阻法的工艺液位传感器测量系统及其校准装置的研制

介绍了一种基于电阻法的工艺液位传感器测量系统的设计与实现，该传感器测量系统包括利用液位传感器、点式液位传感器、耗尽关机液位传感器与剩余液位传感器及对应的变送器。设计了相应的半自动校准系统对传感器的精度进行标定，分析了测量结果的不确定度。经过测试，所有传感器各项指标均满足设计要求。该传感器的研制解决了现有容积计量及液压试验系统不能对贮箱各不同部位进行容积和高度监测的问题。     

基于马鞍形磁场的永磁直线电机位置解算方法

针对直线电机转子位置检测低成本和较高精度的要求,提出了一种基于马鞍形磁场来获得位置信息的方法及实现过程。分析了永磁体表面的磁场分布特征,指出了利用马鞍形磁场分布曲线来解算位置信息的优点,提出了根据马鞍形磁场推算位置信息的算法流程:先测得错开相位的2条马鞍形曲线数据,划分为4个象限后建立数据库；位置检测时,运用区间搜索算法寻得实际角度所在区间；再根据精度要求,采用合适的插值算法计算得到待解算的角度。仿真结果表明:基于马鞍形磁场的位置解算,能较好地得到直线电机转子的位置信息。     

沸腾换热在水卡式大热流传感器研制中的应用

为了实现MW级热流环境的长时间稳态测量,研制了一种新型结构的水卡式大热流传感器。该传感器采用U型水冷通道结构,基于沸腾换热理论进行换热设计,设计量程5~15 MW/m~2。在高温超声速燃气流试验台上进行了热流测试试验,实际测试量程3~25 MW/m~2。沸腾换热理论的应用可以在较小的水流速下实现MW级热防护,大大降低了设计难度。新型结构传感器相对传统的中心冲击结构换热效率更高,可实现的量程范围更大。     

月球表层采样样品智能确认方法

表层采样是月球采样探测的重要方式，样品智能确认有助于提升工作效率与复杂问题处理能力。结合月球表层采样铲挖工作过程，分析了铲挖过程中臂载相机图像的特点，模仿有人参与识别过程，提出了层次解耦的月球样品智能识别流程，利用深度学习方法构建了一类深度卷积识别网络，完整地描述了图像、特征、标记在网络中的正反传递关系，并在月球表层采样地面试验中进行了验证，结果表明该方法对不同光照、不同背景、不同过程、不同形态的样品，具有较好的泛化识别能力，误识别率优于8.1%，平均单幅识别时间约0.7 s。