终端区动态容量预测模型

为有效预测终端区动态容量,提出了一种危险天气影响下的动态容量预测模型。该模型根据危险天气预报概率的大小,将受影响空域的范围做区间化处理,认为危险天气预报概率大于70%的空域为完全避让空域,危险天气预报概率在70%以下的空域为可能避让空域。引入航班进离场优化排序和危险天气避让路径规划策略,以平均航班延误最小为目标,采用捕食搜索算法予以求解;并根据终端区实际容量评估的一般流程,运用仿真方法预测一定延误水平下的动态容量区间。以某机场终端区为例,验证了模型的有效性。     

基于渐消卡尔曼滤波器的定位系统设计

针对无人机捷联式惯性导航系统(Strap-down inertial navigation system,SINS)定位精度低、全球卫星定位系统(Global position system,GPS)定位的非自主性,建立了一种无人机SINS/GPS定位信息融合系统。采用渐消Kalman滤波技术,有效防止了SINS/GPS组合导航系统的滤波发散。采用自适应运算法则,从理论上证明了渐消卡尔曼滤波器的稳定性,得到了滤波器稳定要求的新的条件,与以往研究比较,条件更为宽泛。分别进行了SINS/GPS常规卡尔曼滤波仿真和渐消卡尔曼滤波仿真,结果表明:采用渐消卡尔曼滤波技术在工程实践上可以有效提高无人机的导航定位精度,并且易于工程实现。     

基于测量试验数据修正有限元模型质量矩阵

对无阻尼结构系统有限元模型质量矩阵修正问题,以该矩阵修正量的F-范数为目标函数,并以待修正质量矩阵应具有的性质,如满足正交关系,对称性,半正定性和稀疏性作为约束条件,数学上形成带约束的矩阵最佳逼近问题。给出了问题有解的条件,基于循环投影方法,提出了求解矩阵最佳逼近问题的数值方法。数值结果说明了所给方法的有效性。     

机动再入飞行器自适应飞行控制系统设计

研究机动再入飞行器的制导控制问题。为了解决机动再入飞行器气动系数变化范围大、气动耦合严重和气动参数非线性过零常值大等恶劣条件下的控制，并且能充分利用飞行器可测量信息提高系统自适应能力，本文提出了状态方程参数辨识－－极点配置－－前馈补偿自适应控制的飞行控制系统的设计方法。通过对新型号再入飞行器的制导系统仿真，可以看出该控制系统使其有很好的飞行性能。     

"海洋一号"卫星的检漏技术

文章介绍了"海洋一号"卫星检漏所采用的两种方法,特别指出采用加压真空检漏方法更能真实地测得卫星的实际漏率,并可提高工作效率.     

位移序列多进制扩频通信方式

提出用 m序列的位移序列做扩频序列的多进制扩频通信方式 ,并给出了它的系统模型 ,分析了它的通信性能。理论分析证明 ,用 m序列的位移序列构成的多进制扩频通信方式具有很高的通信有效性和通信可靠性     

微型惯导系统在余度配置时的转动标定技术研究

余度技术是提高惯性导航系统性能的一种重要手段。对微小型惯性组合导航系统中的惯性传感器多余度配置技术进行了研究,开发了MEMS惯性器件构成的微型余度配置惯导系统,分析了微小型惯性组合导航系统的特点和误差特性,并经过测试分析,建立了惯性传感器的误差模型。针对余度配置系统静态标定精度低的问题,提出了六位置转动标定算法,该算法只需要一个单轴速率转台就可以标定出IMU误差参数,并对采用低精度陀螺的惯性系统标定具有通用性。经过实际系统测试分析,误差补偿后的微型余度配置惯导系统的系统导航精度明显提高,验证了算法的有效性。     

差分 GPS 鉴定地基雷达测量系统精度的方法研究

提出了利用差分ＧＰＳ分析地面雷测系统跟踪误差的思想,详细分析了各种误差源,建立了一组简洁的差分ＧＰＳ模型,构造了测量数据的比对分析算法以及具有良好抗野值能力的误差偏差最优统计算法,并利用模拟数据进行了仿真计算     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

基于分数阶理论的铁路基础设施形变监测数据分析与挖掘

北斗高精度定位系统因噪声等因素会产生一定范围内的随机误差,这导致传统模型难以直接对监测数据进行精准分析,因此提出基于分数阶理论的北斗监测数据分析方法,从数据整体趋势角度挖掘铁路基础设施形变演化规律。首先,给出分数阶分析方法的理论框架,并对基础理论进行详细介绍;其次,提出利用α稳定分布对原始数据进行概率密度拟合,实现数据的非高斯特性估计;再次,通过长程相关特性和多重分形特性挖掘隐藏在监测数据中的深层次趋势特征,从数据分数阶特性维度分析未来变化趋势;最后,所提分析方法应用于国内某重载铁路的基础设施形变监测,实验结果表明所提出的分析方法能够在噪声干扰下实现北斗监测数据的精准分析,能够对各组监测数据的演化规则和铁路基础设施形变程度进行精准判别。