某机载探测系统自主回收技术的实现

针对某机载探测系统探头回收自动化程度低的问题，提出了在无需操作员干预情况下实现探头自主回收的技术方法。采用了先进的控制算法，将缆位角与探头、缆长进行结合并引入了绞车控制系统，使绞车对探头的回收速度及缆长可进行实时调整，并给出了3种不同缆位角摆动条件下缆长与探头回收速度的控制曲线关系。研发了自主回收装置，设计了能够实现自主回收功能的探头回收机构。实验验证表明：在无需人为干预的条件下，在缆位控制系统及自主回收机构的配合下，系统实现了对探头快速、安全的回收。     

飞机刹车系统防滑功能研究

介绍了某型机防滑刹车系统组成、功能和工作原理,通过某型机机轮、刹车系统不同试验状态性能对比,并与某某飞机机轮、刹车系统进行动力试验数据、防滑性能对比分析,确定防滑刹车系统在通常情况下不工作,是系统的正常工作现象。     

火箭增压管路多点随机激励试验技术研究

文章介绍了一种改进的管路试验方法——多点随机激励试验技术。根据管路自身的特点,该方法可以更加真实地模拟管路的工作环境。通过试验获得了在不同相干和相位条件下管路动态响应的变化规律。结果表明:相位和相干都可以改变管路动态响应,这可为管路多点振动试验条件的设计或选取提供依据。     

直升机缆位系统建模与仿真

针对直升机绞车收放时缆位保持问题,建立了负载出水回收进舱阶段缆位的动力学模型。由于浮力与洋流作用突然消失,负载出水后发生摆动,将负载的摆动作为带有理想约束的质点系动力学系统,采用拉格朗日方程建立动力学模型。考虑直升机悬停提升的情况进行仿真,仿真结果表明建立的数学模型能够较好的模拟负载摆动时的缆位变化。     

大扫描视场飞行器共形光学系统设计

共形光学窗口外表面与飞行器轮廓相同,可以显著提升飞行器的整体性能,但在大扫描视场应用时,引入大量非对称动态像差,严重影响成像质量。针对大扫描视场的共形光学系统,提出了基于共形窗口内表面优化,以及分视场单元透镜阵列的动态像差校正方法,实现动态像差的静态化校正。在84°扫描视场范围内,对共形光学系统进行仿真验证,结果表明：该方法使共形光学系统在全扫描视场范围内的Zernike多项式系数绝对值从0~10.82λ减小到0~1λ（λ为波长）,同时各通道单元透镜阵列保持固定状态。与目前已有方法相比,本文显著提升了大扫描视场共形光学系统的成像质量和系统稳定性,有效简化了系统结构。本文的研究对实现大扫描视场、高成像质量和高稳定性的共形光学系统有重要意义。     

大型导弹车工作模态识别研究及应用

针对大型导弹车在运输状态下的动态特性识别问题,设计制作了能够反映大型导弹车主要动力学特征的简化模型,使用最小二乘复指数法（LSCE）对简化模型进行了动态特性识别,对识别结果进行了分析和评估,并将最小二乘复指数法应用到真实大型导弹车运输状态的模态识别中。可为大型导弹车运输状态下的动力学特性分析提供参考。     

基于Hilbert变换的模态密度获取研究

提出了在试验获取模态密度时引入Hilbert变换来提高精度的方法,使用两种方法在不同边界条件下对一块薄板的模态密度获取进行了试验研究,这两种方法分别是加速度原点频响函数虚部平均值法和引入Hilbert变换平均值法。并将两种方法的获取结果与数值计算结果进行了对比分析。结果表明,引入实测加速度原点频响函数的实部Hilbert变换求解模态密度时,平均样本数目增加了一倍,比仅用实测加速度原点频响函数的虚部计算的结果更接近于理论和数值计算结果。     

囊式充液贮箱晃动特性的试验研究

基于气动悬浮技术,对囊式充液贮箱的晃动特性开展试验研究。首先通过无囊状态的贮箱晃动试验证明了试验系统的可靠性,然后对有囊状态的贮箱进行了三种充液比、三个方向的晃动试验,并且对增压和不增压两种状态的试验结果进行了对比。经试验验证,由于囊的约束作用,液体晃动被抑制,且囊外增压对晃动特性没有影响。该试验结论对航天和航空飞行器及其他工程领域的燃油输送设计、充液容器设计等具有一定的参考意义。     

并行月面三维地形重建系统设计

月面三维地形重建系统的实时性直接关系到探月任务的执行效率。为提高地形重建速度,针对立体像对处理平台体系架构、地形高程模型生成算法设计及地形数据压缩与解压等环节的不同特点,利用并行计算思想实现各阶段的并行化设计,使各环节的执行速度相比串行系统均有3～10倍的提升,一定程度上解决了系统时间瓶颈问题。最后基于月面仿真试验场的真实地形数据进行了系统验证,并对所生成月面地形进行了可视化展示。     

基于注意力机制和改进YOLOv3的红外弱小目标检测

红外弱小目标检测技术是红外探测系统的核心技术之一。针对远距离复杂场景下红外弱小目标对比度低、信噪比低和纹理特征稀疏分散导致目标检测率低的问题,提出一种融合注意力机制和改进YOLOv3的红外弱小目标检测算法。首先,在YOLOv3的基础上,用更大尺度的检测头替换最小尺度的检测头,在保证推理速度的基础上有效提升了红外图像中小目标的检测概率。然后,在检测头之前设计了Infrared Attention模块,通过通道间的信息交互,抽取出更加关键重要的信息供网络学习。最后,用完全交并比损失（Complete IoU Loss）替代交并比损失（Intersection over Union Loss）来衡量预测框的检测能力,通过梯度回传实现更好的模型训练。实验结果表明,本文提出的YOLOv3-DCA 能完成多种场景下红外弱小目标的检测任务,且检测准确率、召回率、F1和平均准确率分别达到91.84%、88.85%、93%和88.82%,平均准确率比YOLOv3基线提升约7%,与主流的SSD、CenterNet和YOLOv4模型对比平均准确率也取得了目前最优。