侧风对舰载直升机悬停性能的影响

针对舰载直升机小速度、大侧滑的飞行状态,采用了旋翼非均匀入流模型,导出了直升机在风场中的运动方程。以某型机为例,对不同风速条件下直升机悬停时的平衡特性进行了计算分析。计算结果表明:左侧风对该机悬停性能影响最大,而尾桨操纵裕度要求左侧风速不能超过30m/s,与同类直升机的飞行数据吻合。分析模型为制订舰载直升机的风险图提供了理论依据。     

4种DGPS模块动态定位精度测试与分析

采用RTK-DGPS为参照,对GARMIN GPS15L、Ublox LEA-4S、Gstar GS-87和Gstar GS-89m-J共4种DGPS模块在单机模式、地面伪距差分模式和卫星差分模式下的动态定位精度进行了测试和分析.结果表明:(1)对于GARMIN GPS15L 和Ublox LEA-4S,单机定位精度为米级,使用地面伪距差分定位可分别提高动态定位精度20%和87%;(2)总体上看,DGPS模块的地面伪距差分定位精度优于卫星差分定位,卫星差分定位精度优于单机定位;(3)在视野狭窄地段,无论单机定位、伪距差分定位还是卫星差分定位,动态定位精度都受到一定影响,和视野开阔地段相比,精度明显下降.     

飞秒激光及光钟

结合飞秒激光超强、超快、超稳、宽频、广谱、相干的特点,介绍了其相应的技术应用情况：应用超快特性的微观物理、生物、化学、信息、通信等;以超强应用为对象的材料加工、制备、电子对撞加速器、受控核聚变等;以超稳特性应用为对象的光频测量、长距离测量、光钟等,并简介了光钟。     

基于线性样条和CNN-LSTM的北斗卫星缺失数据处理方法

针对北斗某星辐射剂量探测数据缺失问题,提出了一种基于线性样条和CNN-LSTM神经网络模型的处理方法.在对数据特性分析的基础上,将原始数据分解为线性趋势项和季节波动项.对于线性趋势项,采用基于线性样条的缺失值处理方法;对于季节波动项,根据其时空变化特性,设计CNN和LSTM组合神经网络结构,完成季节波动项的缺失值处理....     

固体运载火箭轨迹/总体参数一体化优化设计研究

研究多级固体运载火箭轨迹/总体参数一体化优化设计问题。建立了固体运载火箭轨迹/总体参数一体化优化设计相关数学模型,包括质量模型、动力模型、气动力模型和飞行程序控制模型,确定了轨迹/总体参数一体化优化问题的目标函数、设计变量和约束条件,提出了将自适应遗传算法和序列二次规划方法相结合的高效、高精度序贯混合优化算法,实现了固体运载火箭轨迹/总体参数一体化优化设计。仿真结果表明,与总体单位设计的原方案相比,优化方案运载火箭起飞质量减小13.62%,终端约束和路径约束均得到很好满足。其结果可为固体运载火箭总体优化设计研究提供理论参考。     

超光谱成像仪成像电路的设计与实现

超光谱成像仪是环境减灾-1A卫星的主载荷之一,也是我国第一台采用静态干涉型光谱成像技术的星载遥感相机。成像电路是超光谱成像仪的核心组件之一,文章介绍了超光谱成像仪成像电路的系统组成,以及各功能模块的结构、功能和设计原理。     

基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。     

旋转带肋直通道湍流流动TR-PIV实验

采用高频粒子图像测速系统(TR-PIV)测量了旋转带肋通道内的主流平均速度、雷诺切应力、再附点等参数,并研究其沿程变化规律,通道高宽比为1,肋的阻塞比为01,雷诺数为10 000,旋转数从0变化到052,实验结果表明:静止时流动呈对称分布,但旋转后产生的哥氏力会极大地影响通道内的湍流流动,随着转速的增加,主流速度型偏向后缘面,前缘面涡系结构不断增大,再附点不断后移,而后缘面正好相反,并且这种趋势会沿程发展;前缘面附近的雷诺切应力变得越来越弱,而后缘面则越来越强,沿程雷诺切应力极值基本不变,但下游区域有所扩大。      

基于工业物联网的混流车间机器人自适应调度

随着工业物联网技术与人工智能技术深度融合,物料机器人已广泛应用于物联网车间中。针对车间存在实时动态变化和状况不确定等诸多复杂因素,本文提出以组分层建树和以实时状态为根节点的SP–MCTS(Singleplayermonte-carlotreesearchalgorithm)搜索方法实现车间自适应调度决策。该方法将机器人调度问题转化为马尔科夫决策过程(Markov decision process,MDP),并详细描述车间状态、动作、奖励和策略的表示方法。在实时调度过程中,该搜索方法依据工件组分层建树,搜索中只考虑相邻两组间的状态关系,从而简化计算难度。在子树搜索中,应用SP–MCTS以实时状态为根节点进行搜索,同时应用扩展方法和剪支方法进行策略探索和信息累积,使得在子树内实时状态节点越深,就越能够快速精准获取最优策略。最后,通过实际案例模拟分析,验证了该方法的有效性和优越性。