旋转滑动弧涡流器点火探索试验

基于中小发燃烧室常用的斜切孔+径向叶片式涡流器，结合滑动弧的产生位置，开展了4种方案的旋转滑动弧涡流器设计及加工，并完成了冷态放电试验及点火试验验证。放电试验结果表明：4种方案的涡流器均能在预设位置产生稳定的旋转滑动弧。三头部点火试验结果表明：方案4的点火效果最好，其最小点火油气比低于常规点火方法。方案2次之，方案3仅能在较低的参考速度下实现燃烧室的点火，方案1的点火效果最差。滑动弧当地的气流速度及油气分布对点火效果影响显著，建议滑动弧处的气流速度不超过20 m/s。     

固体火箭发动机用高频响压力传感器设计

某固体火箭发动机在试验过程中发生了在压力变化频率超过1 k Hz情况下压力信号部分失真的问题,为解决这一问题,对压力传感器的传压结构进行优化设计,选用硅压阻原理的高频响敏感芯体,选用高增益带宽积的仪表放大器,同时增加时间连续型高阶低通滤波电路设计,分别对传感器的传压结构、敏感芯体、仪表放大器、时间连续型高阶低通滤波电路的幅频特性进行了仿真分析、试验验证。结果表明,优化后的固体火箭发动机用高频响压力传感器频率响应可以达到1k Hz以上,带内不平度不大于1 d B,带外衰减不小于35 d B/oct,具有良好的幅频特性,能够准确测量固体火箭发动机工作压力,且无压力信号失真。     

硬X射线调制望远镜卫星低能望远镜设计与验证

低能望远镜是硬X射线调制望远镜(HXMT)卫星上重要的科学载荷之一。它主要包括3个低能探测器机箱和1个低能电控箱,探测器采用扫式电荷器件(SCD),同时拥有良好的能量分辨率和时间分辨率,抗堆积性能突出,适合强源的能谱和时变观测。结合解调方法,还可以进行扫描成像,胜任暂现源和暴发源的发现和观测任务。低能望远镜在轨运行结果表明:仪器各项性能正常,能够满足观测需求。     

基于自适应阈值的粒子滤波非线性系统故障诊断

针对实际非线性系统传统方法难以实现可靠故障诊断的问题,采用粒子滤波算法,利用对数似然函数和作为评价指标,并借助自适应阈值的设计,研究了非线性非高斯系统的故障检测和故障隔离。阈值的选取,是准确判别系统是否发生故障的标准,本文通过分析非线性系统残差的统计特性,在判定残差统计特性成正态分布的基础上,设计了一种基于粒子滤波故障诊断的自适应阈值方法,减少了故障诊断的漏报和误报。通过非恒温连续搅拌水箱式反应堆的仿真实例,验证了该方法在故障诊断中的准确性和有效性。      

巡飞弹姿态约束条件下引战配合系统分析

多模EFP弹药是各国正在努力发展的新型弹药,这种弹药的最大特点就是战斗部毁伤元素具有射束性,这就对引信系统的设计提出了新的要求。巡飞弹作为多模EFP战斗部应用的典型系统,其动态特性将会直接影响引战配合效率和引信的启动规律。为了能够更好地分析和解决巡飞弹姿态约束对于引战配合影响的问题,首先简要分析了巡飞弹的动态特性,引入目标命中函数的概念来分析巡飞弹姿态对于弹着点的影响。目标命中函数可以直观地表明姿态角对于EFP弹丸弹着点的影响。在评估目标毁伤概率的时候,需要考虑姿态角因素。     

基于模糊物元分析的空袭目标威胁评估与排序方法

结合现代防空作战特点,分析了影响目标威胁评估与排序的因素,在模糊物元分析的基础上,结合欧氏(欧几里得)贴近度的概念,提出了基于欧氏贴近度的模糊物元分析法.在对空袭目标进行威胁评估与排序时,将目标的各个特征作为物元的事物,以其各项评价指标及其相应的模糊量值构造复合模糊物元.通过计算与标准模糊物元之间的欧氏贴近度,并采用信息熵法计算各评价指标的权重,实现了对空袭目标的威胁评估与排序,为空袭目标威胁评估与排序提供了一个新的方法.     

美国海军水面舰艇作战系统发展分析

基于当前美国海军水面舰艇兵力规模和作战系统部署情况,分析了美海军宙斯盾作战系统和自防御系统的发展演进和现状,探讨了朱姆沃尔特级驱逐舰、濒海战斗舰和无人艇作战系统的研制建设,展望了未来海上作战力量体系建设和作战系统发展,总结了美舰艇作战系统发展的可借鉴之处,以期促进我舰艇作战系统顶层设计和高质量发展。     

场信号预处理的扩展视频编码器设计

虽然视频标准中给出了场信号的一些编码方法,但由于宏块划分方式比较多造成运动估计非常耗时,很难得到实际应用.为此,设计了具有运动自适应去隔行预处理功能的扩展视频编码器.该编码器先将场信号处理成逐行信号,之后采用固定帧方式进行编码.在将场信号处理成帧信号时,首先对相同奇、偶性的四场做运动检测,然后对具有不同运动特点的区域采用不同的插值方法得到待插值像素,最后插值场与当前场交织成逐行帧.测试结果表明,该编码器在相同压缩比下能取得与其它编码方法相同的峰值信噪比,编码一帧时间为宏块级帧/场自适应方法的1/3.此外,该编码器能有效地解决场信号在逐行扫描设备上的显示问题.      

基于改进Faster-RCNN的机场场面小目标物体检测算法

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。