RSSI测距在蓝牙室内定位抗差算法中的应用

蓝牙信号强度在室内环境下易受人员扰动等环境因素影响,从而影响定位精度。基于RSSI测距的蓝牙室内定位原理,将人员等扰动视为异常误差,采用胡贝尔、汉佩尔、IGG和LEGE四种抗差算法,比较分析了不同抗差算法的定位提升效果。试验结果表明,不管有无人员扰动,四种抗差算法均可改善定位精度,其中IGG法定位精度最高,约为3m,且有较好的稳定性。     

航空发动机进气温度畸变研究综述

进气温度畸变是影响航空发动机稳定工作的重要因素,本文首先概述了航空发动机进气温度畸变的来源,介绍了国内外围绕温度畸变引入机制开展的流动机理研究进展,总结了进气温度畸变对推进系统部件和发动机总体的影响。其次,分析了国内外现有的温度畸变模拟装置结构、工作原理与性能特性,介绍了利用畸变模拟装置开展机理研究与工程应用研究取得的进展。进一步,对比分析了各类温度畸变评定措施和评定标准,介绍了进气温度畸变测试环节涉及的关键技术。最后,列举了航空发动机进气温度畸变的抑制技术及针对温度畸变的发动机防喘控制技术,分析了各种技术的优缺点。航空发动机进气温度畸变研究对发动机抗温度畸变设计和测试具有重要的指导意义。     

基于非相干积累的微小伪距偏差RAIM方法研究

针对传统RAIM算法难以检测连续微小伪距偏差的问题,提出一种基于非相干积累的微小伪距偏差RAIM方法。该方法通过对多个历元时刻奇偶矢量的非相干积累,使得检测统计量的非中心参数增大,从而提高算法对于微小伪距偏差的故障检测概率。理论分析和仿真结果表明,该方法在历元累加数为10时,可以显著提高对微小伪距偏差的检测性能,其可检测最小伪距偏差值约为传统奇偶矢量法的1/3。同时,该方法无需判断伪距偏差符号,在伪距偏差快速变化条件下,也能有效检测出微小伪距偏差。     

某型发动机截面4振动故障的分析研究

本文介绍了某机截面4振动故障现象和特点,从转子动力学设计、转子平衡、发动机装配和涡轮结构等方面进行了分析,寻找振动原因。着重分析了高压涡轮转、静子碰摩引起振动大的机理、碰摩振动特性,阐述了针对碰摩振动所采取的排振措施及其显著效果。     

某型发动机涡轮转子前、后挡板连接螺钉松动故障分析

简要介绍了某型发动机低压涡轮转子前、后挡板连接螺钉在研制过程中松动的故障现象和特点 ,分析了故障原因 ,采取改进螺钉、锁片等有效措施排除了故障     

pH值对硅酸钇涂层结构影响的研究

采用一种新颖的水热电沉积方法直接在石墨表面制备了硅酸钇涂层,利用XRD,EDS和SEM等测试手段对涂层进行测试分析,重点研究了电沉积前驱溶液pH值对涂层显微结构的影响.结果表明:当前驱液的pH值为1.5～3.0及水热温度为150℃时,即可制备出硅酸钇涂层.随前驱液pH值增加,涂层开裂趋势减弱,结晶趋势增强,致密度有所提高.     

基于遗传算法和最小二乘法的曲面匹配

 针对基于最小二乘法的 ICP曲面匹配算法难以处理待比较曲面的局部大变形问题,提出一种改进算法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值,利用 ICP算法匹配结果构造偏差阈值,以此阈值过滤点群后再以最小二乘法进行匹配处理,消除局部大变形影响,获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算,从而获得理想的匹配结果。试验表明,该准则对局部大变形的处理效果优于常规的最小二乘 ICP曲面匹配算法。     

驾驶员诱发振荡探析

分析了驾驶员诱发振荡(PIO)成因和机理,总结了PIO的种类和预测方法,提出了抑制PIO发生的方法和应当采取的措施,并给出了在飞机设计过程中应对PIO的建议,为飞机研制过程中如何避免发生PIO现象提供了指导。     

轴流压气机大小叶片气动弹性稳定性分析

分别采用能量法和时域法对轴流压气机大小叶片进行了气动弹性稳定性分析,获得了叶片的气动模态阻尼比和叶片表面的非定常气动功分布.对叶片的振动位移响应进行了频域分析,并与常规设计转子作了对比.结果表明:大小叶片存在的结构失谐和气动失谐对气动弹性稳定性有明显的影响.气动失谐改善了叶片表面的非定常气动功分布,结构失谐改变了叶间相位角的影响.大小叶片对应的1阶模态振型的气动模态阻尼比为0.000791,而常规设计转子的值为0.000217,大小叶片相对于常规设计转子,不仅改善了气动性能,同时还提高了气动弹性稳定性.      

基于不确定性测度与支持度的测试性验前信息融合方法

针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.