大型平面平面度自动测量

提出了一种以水平仪测量原理为基础的大型平面平面度自动测量方法.将齐次矩阵变换原理用于对水平仪平面度测量数据的处理,并设计了专门的运动机构以及运动控制系统,实现了水平仪对平面度的自动测量.     

辅助平面法评定平面对平面倾斜度误差的数学模型

提出一种评定平面对平面倾斜度误差的新算法。该算法是通过确定辅助测量平面，在不含原理误差的条件下，快速、准确地确定符合其定义的倾斜度误差值。     

几种大平面平面度测量方法比较

叙述了几种大平面平面度的测量方法,分析了间接测量法、激光双光束扫描法、激光准直扫射法、衍射平面基准法、液面法等几种方法的特点及其测量误差。     

紧缩平面场扫描架系统研制

紧缩平面场(CATR)是在较小的微波暗室里模拟远场的电磁环境,以行进各种天线的测量和研究.其最终性能指标要由紧缩平面场扫描架评定.根据紧缩平面场扫描测量原理,及其对扫描架平面度、直线度、定位精度及自动化程度的要求,研制了极坐标型紧缩场扫描架系统,通过采用高精度直线导轨、平面度微调方式和基于工业控制计算机的数字控制技术,达到了所要求的检测精度,满足了紧缩平面场扫描测量的要求.     

太阳帆板平面度测量系统

介绍了一种采用斜光学三角形测量结构和基于虚拟精密测量基准的太阳帆板平面度无接触测量系统.首次提出斜光学三角形测量结构,使得测量系统的测量面积和分辨率大大提高,从而实现了对大面积平面平面度的高精度无接触测量.提出的虚拟精密基准的建模与误差补偿技术,解决了在非精密基准上实现精密测量这一难题,使得所研制的测量系统利用现有平台可实现对太阳帆板平面度的高精度测量.此外,对测量光斑位置估值精度与光斑图像尺寸大小和能量分布之间的定量关系进行了分析,为激光光斑的优化设计提供了理论依据.实际测量结果表明,该测量系统对面积为2581mm×1755mm太阳帆板的平面度测量精度达0.02mm(RMS).     

平面传声器动态特性参数校准方法研究

论述了传声器的应用和校准方法,重点对平面传声器动态特性校准方法进行了探讨,提出平面传声器的频率响应特性、幅值特性及指向特性的校准方法,并对校准结果进行了分析及验证.     

最小条件平面度误差快速逼近算法

应用最佳一致逼近理论，从最小条件出发建立了评定平面度误差的数学模型，对评定平面度误差的理论问题进行了分析研究。给出了便于计算机判别的平面度误差代数判别准则。在此基础上提出了一种计算平面度误差的新方法－快速逼近算法。和其它算法所进行的对比运算表明，该算法计算准确度高，运算速度快，并可用于直线度，圆度等误差的计算。     

最小条件平面度误差的快速逼近算法

应用最佳一致逼近理论，从最小条件出发建立了评定平面度误差的数学模型，对评定平面度误差的理论问题进行了分析研究。给出了便于计算机判别的平面度误差代数判别准则。在此基础上提出了一种计算平面度误差的新方法─—快速逼近算法。和其它算法所进行的对比运算表明，该算法计算准确度高、运算速度快，并可用于直线度，圆度等误差的计算。     

基于描述函数法的相平面喷气姿态控制的稳定性分析

针对相平面喷气控制系统稳定性分析问题,给出了相平面喷气控制器描述函数的数值计算方法,可用于分析相平面喷气控制器设计参数对描述函数频域特性的影响,介绍了用描述函数法分析相平面喷气控制系统闭环稳定性和稳定裕度的方法,通过示例验证了所提出的分析方法在预报和评估闭环系统稳定性及稳定裕度方面的有效性,以及用该方法指导相平面喷气控制器设计的可行性.     

平板检定中重合度与平面度取值的探讨

论述了平板检定中重复点重合度与平面度的各种计算方法，对当前检定中的一些不正确理解和错误作法做了纠正。给出了正确的重合度与平面度取值方法，可以保证平板检定数据的可靠性与平面度检定值的准确度。     

同轴度误差的矩阵计算机法

用矩阵法建立了同轴度误差最小二乘评定数学模型,给出了一组采样数据、微机数据处理程序和同轴度误差值。     

单一基准径向圆跳动误差的新测量法

用传统的测量方法不能得到单一基准径向圆跳动误差的准确值。根据单一基准径向圆跳动误差的定义建立了该项误差的正交最小二乘评定数学模型。在万能工具显微镜上得到了采样数据并给出了微机数据处理结果。     

集成学习在高误码率下AOS协议识别中的应用研究

针对天基网络中高误码率的传输特点,为保证各个异构网络之间数据能够高效可靠的传输,采用空间链路层高级在轨系统协议设计一种基于集成学习的识别方法。该方法采用集成学习模型,学习AOS协议数据,构建基于集成学习的AOS协议识别模型,实现AOS协议的准确识别,并在高误码率情况下进行实验验证。实验结果表明,集成学习模型在AOS协议识别方面具有较好的识别效果,识别运行效率有显著提升,且在较高误码率即10^-1时依然可以保持稳定的识别效果。     

深孔尺寸及形状误差自动综合测量理论与方法的研究

通过研究深孔尺寸及其形状误差在线自动综合测量的基本理论,给出一种新的误差分离方法。用此方法,能够在测量过程中将被测深孔工件尺寸及形状误差与工件的回转运动误差、测头的直线运动误差分离开来。而且在进行误差分离的同时,能精确确定被测表面各点的三维坐标,建立起各项被测参数的数学模型,并研制成功由微机实时数据处理的深孔在线综合测量系统。实验结果表明,该测量系统的基本理论正确,测量结果准确可靠。     

大气电场综合观测设备的设计

大气电场反映了地球近地表大气对气象活动、太阳活动与地质活动的综合响应。实现大气电场与气象参数及地磁活动指数等参数的综合测量,对雷电活动、地质灾害和磁暴活动等的研究具有重要意义。 设计开发了一种大气电场综合观测设备,能够同时测量包含温度、相对湿度、风速和大气电场等多个参数,在大气电场探测原理的基础上给出了大气电场综合观测设备的详细设计和电场标定过程。 通过对该设备在北京市十三陵台站实测数据的分析,与中国科学院国家空间科学中心FAMEMS-DF02电场仪以及中国气象网发布的气象数据进行对比,结果表明各气象参数99%的时刻对应误差不超过±10%,平均误差不超过±3%,而电场数据的平均误差为±0.166 kV·m–1。      

Using TensorFlow-based Neural Network to estimate GNSS single frequency ionospheric delay (IONONet)

In the last 20?years, and in particular in the last decade, the availability of propagation data for GNSS has increased substantially. In this sense, the ionosphere has been sounded with a large number of receivers that provide an enormous amount of ionospheric data. Moreover, the maturity of the models has also been increased in the same period of time. As an example, IGS has ionospheric maps from GNSS data back to 1998, which would allow for the correlation of these data with other quantities relevant for the user and space weather (such as Solar Flux and Kp). These large datasets would account for almost half a billion points to be analyzed. With the advent and explosion of Big Data algorithms to analyze large databases and find correlations with different kinds of data, and the availability of open source code libraries (for example, the TensorFlow libraries from Google that are used in this paper), the possibility of merging these two worlds has been widely opened. In this paper, a proof of concept for a single frequency correction algorithm based in GNSS GIM vTEC and Fully Connected Neural Networks is provided. Different Neural Network architectures have been tested, including shallow (one hidden layer) and deep (up to five hidden layers) Neural Network models. The error in training data of such models ranges from 50% to 1% depending on the architecture used. Moreover, it is shown that by adjusting a Neural Network with data from 2005 to 2009 but tested with data from 2016 to 2017, Neural Network models could be suitable for the forecast of vTEC for single frequency users. The results indicate that this kind of model can be used in combination with the Galileo Signal-in-Space (SiS) NeQuick G parameters. This combination provides a broadcast model with equivalent performances to NeQuick G and better than GPS ICA for the years 2016 and 2017, showing a 3D position Root Mean Squared (RMS) error of approximately 2?m.     

气体密度超声检测法的研究

介绍了一种利用超声技术在线快速测量气体密度的方法。其原理是测出气体介质的压力和声速后,再根据由热力学和弹性介质力学建立起来的压力、声速和密度之间的关系算出密度。所有监控、测量和数据处理均由微机完成。还给出了在几种不同介质中的试验结果,并对结果进行了半定量的误差分析。与理论分析相比,有较好的一致性。超声检测法是一种在线检测气体密度的新方法。     

广义回归神经网络在卫星钟差短期预报中的应用

近年来,神经网络(Neural Network,简称NN)在非线性系统的预测方面取得了广泛的应用。考虑到卫星钟差包含了复杂的非线性因素,所以将一种新型神经网络-广义回归神经网络(Generalized Regression Neural Network,GRNN)应用于钟差预报中。采用“滑动窗”方式构建样本数据以提高数据利用率,为提高网络的泛化能力,利用K重交叉验证法(K-fold Cross-Validation)对网络进行训练学习,并根据最小均方根误差(Root Mean Square Error,RMSE)确定最优平滑因子。利用国际GNSS服务(International GNSS Service,IGS)公布的精密GPS卫星钟差数据进行预报实验,并与传统二次多项式模型对比分析。结果表明：GRNN模型在24h的预报跨度内的误差可达ns级,并较多项式模型有更好的稳定性;对于线性钟差,GRNN模型要逊于多项式模型,而对于非线性钟差,GRNN模型则明显优于多项式模型,初步验证了GRNN用于钟差预报的可行性、有效性以及实用性。     

利用人工神经网络预测电离层f_0F_2月中值

提出了利用人工神经网络技术预测电离层临界频率月中值的方案．在利用人工神经网络技术研究电离层月中值隔月变化规律的基础上,考虑足够的周年和黑子周期变化的数据训练网络,使 ｆ０Ｆ２月中值预测值与实测数据比较平均误差为 ０．３４ＭＨｚ,预测精度有了较大改进．最后采用分形学的基本理论得到电离层 ｆ０Ｆ２月中值的分数维为 ３,选用 ３个输入量,分别预测高、低年 ｆ０Ｆ２月中值,与实测数据比较平均误差为 ０．３ＭＨｚ．     

Klobuchar模型的实用分析与改进

电离层延迟误差是无线电信号传播中不可忽视的误差源.GPS特许用户利用双频接收机的双频观测值直接对电离层延迟进行实时测定,其所得结果精度很高.多数普通用户所使用的单频接收机依靠电离层模型对其进行误差修正,效果不很理想.本文通过WUHN观测站双频接收机10天的实测数据对GPS广播星历采用的Klobuchar模型进行了验证,其结果与前人论述相一致.此外,经由反映太阳活动强度的太阳相对黑子数对Klobuchar模型提出了新的改进方法.实验数据结果表明,该方法对此模型修正效果有大幅提升,对原模型修正效果>50%的修正率由60%左右提升至85%以上,>80%的修正率由10%左右提升至40%以上.在实际应用中单频接收机用户可以参考本文改进方法对Klobuchar模型进行修正.