用参数辨识法进行直升机悬停性能拓展

准确计算直升机在不同飞行状态的有效气动参数对于确定直升机飞行性能具有重要意义。然而,由于复杂的旋翼空气动力现象以及直升机状态和环境条件的变化,准确预估气动参数有较大难度。为此,采用无量纲分析法建立直升机悬停状态的数学模型,首先对参数重组,确定了几个悬停状态重要参数,包括气动参数和直升机状态参数;然后,以直-9×型直升机为例,结合实际试飞数据,提出了用最小二乘法对该模型进行参数辨识的方法;最后,通过相关性分析,确定了辨识方法的可行性,并将辨识结果有效地用于直升机悬停性能拓展。结果表明,这种利用参数辨识进行性能拓展的方法是可行的,由于辨识结果是利用实际试飞数据确定的,拓展结果具有较高的可信度。这种数据处理方法可有效减少试飞周期,节约试验成本。     

基于UKF的微小卫星姿态确定方法研究

围绕某日-地空间环境组网探测系统中三轴稳定微小卫星定姿分系统的设计需求,基于陀螺、太阳敏感器、磁强计和星敏感器4种敏感器,研究了微小卫星在速率阻尼模式、太阳捕获模式、对日对地定向及维持模式、试验模式下的系统建模方法,以及基于Unscented卡尔曼滤波(UKF)的组合定姿方法。数值仿真结果表明,本文定姿方法的姿态确定精度满足该系统中三轴稳定微小卫星在轨运行的定姿精度要求,为该微小卫星半物理仿真系统的研究及其在轨运行时的姿态确定提供了依据。     

降落伞“呼吸”现象研究

文章详细地描述了降落伞"呼吸"现象,首次使用降落伞充气过程中的简化轴向和径向动量方程来计算降落伞"呼吸"过程。在此基础上,分别比较有限质量充气条件下开伞速度、载荷物质量、大气密度、降落伞伞绳弹性系数对降落伞"呼吸"现象的影响,获得了一般情况下降落伞"呼吸"现象受载荷物质量与大气密度影响较大,当载荷物质量较小和大气密度较大时,降落伞"呼吸"振荡幅度较大且不易衰减等结论。     

基于维特比算法的GMSK信号非相干解调技术研究

GMSK体制是深空通信中的新型体制,它具有恒定的包络、优秀的频谱利用率和功率利用率。研究基于维特比算法的GMSK信号非相干解调技术,并在高斯白噪声信道下进行性能仿真。仿真结果表明,该解调算法性能优越,在信噪比Eb/N0=9dB时,GMSK(BT=0.5)信号的误码率性能可达10-4量级,优于传统调频方式约2.4dB。该解调算法已经在某深空测控演示系统中得到了试验验证,性能良好。     

基于频带相关性Deep Learning的无线通信干扰智能识别

近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提.基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题.本文针对上述问题,引入了并行多路多尺度卷积,通过增加...     

双密封结构的泄漏理论及其应用研究

建立了双密封结构系统的数学模型 ,通过理论分析和数值计算 ,揭示了双密封结构系统正压泄漏的漏率、漏量与泄漏时间关系的规律及其影响因素的结论。这些研究结果可用于双密封结构系统的设计、检漏和泄漏安全评估 ,以理论指导实践。     

控制力矩陀螺框架高精度周期随动控制

为实现控制力矩陀螺框架伺服系统的高精度周期随动控制,采用比例积分微分(PID,Proportion Integration Differentiation)控制器结合重复控制器的控制方式,PID控制器实现框架伺服系统静态和匀速运动的高精度控制,插入式重复控制器实现对周期性输入信号的精确跟踪.对控制力矩陀螺框架系统进行了建模,设计了PID控制器与插入式重复控制器,并分析了重复控制器的稳定性条件、稳态跟踪性能和对扰动的抑制能力.仿真结果和实验结果表明:采用插入式重复控制器使控制力矩陀螺跟踪1Hz给定速度信号时的稳态跟踪误差大幅减少.PID控制器结合插入式重复控制器结构简单,两者可分开独立设计,参数设计容易.     

“凤凰号”火星探测器着陆过程

文章主要介绍了＂凤凰号＂火星着陆器的着陆过程、着陆点选择方法原则、巡航阶段工作任务,对进入（Entry）、下降（Descent）和着陆（Landing）即EDL阶段的蒙特卡罗分析结果和飞行器重建数值结果进行了总结比较。并对＂凤凰号＂相关的经验和教训进行了比较总结,这对中国未来的火星探测以及其他深空探测具有一定的借鉴作用。     

Application of support vector machine combined with K-nearest neighbors in solar flare and solar proton events forecasting

The support vector machine (SVM) combined with K-nearest neighbors (KNN), called the SVM-KNN method, is new classing algorithm that take the advantages of the SVM and KNN. This method is applied to the forecasting models for solar flares and proton events. For the solar flare forecasting model, the sunspot area, the sunspot magnetic class, and the McIntosh class of sunspot group and 10 cm solar radio flux are chosen as inputs; for the solar proton event forecasting model, the inputs include the longitude of active regions, the flux of soft X-ray, and those for the solar flare forecasting model. Detailed tests are implemented for both of the proposed forecasting models, in which the SVM-KNN and the SVM methods are compared. The testing results demonstrate that the SVM-KNN method provide a higher forecasting accuracy in contrast to the SVM. It also gives an increased rate of ‘Low’ prediction at the same time. The ‘Low’ prediction means occurrence of solar flares or proton events with predictions of non-occurrence. This method show promise for forecasting models of solar flare and proton events.     

仿生硬件及其进展

文章详细介绍了仿生硬件的概念、主要特征及用途 ,阐述了仿生硬件的进化原理及实现思想 ,重点分析了仿生硬件的关键技术———可进化硬件电路、硬件进化方法 ,并总结了研究状况与最新进展 ,讨论了需要解决的核心难点问题及其解决思路 ,最后指出了仿生硬件的研究方向及发展前景。