高低轨双星时频模糊雷达信号的频差估计算法

针对高低轨双星定位系统中,雷达信号定位参数估计结果同时存在时差与频差模糊的问题,分析了相参脉冲串信号的模糊特性;利用粗略配对的脉冲串获得到达时间差序列,避免了对时域高度密集的脉冲进行配对的难题;在此基础上,提出了对时差序列进行中心差分计算频差粗估值实现频差模糊消除的方法;推导得出了频差粗值误差随着辐射源载频的增加、脉冲到达时间测量误差的增大、时差差分间隔的减小而增大的结论。仿真结果表明,频差粗值误差与理论值一致;通过设置合理的差分间隔,得到无模糊的频差粗值以后,频差精估精度逼近CRLB。新算法便于工程实现,对长基线定位系统中雷达信号的频差估计具有一定参考价值。     

一种高动态环境下PCM-FM的低信噪比检测方法

针对PCM-FM遥测信号的特点,提出一种基于快速傅里叶变换的自相关检测方法。首先利用自相关处理,消除多普勒频率变化对检测性能的影响,可适应目标高动态变化环境。然后通过对自相关输出进行快速傅里叶变换,提高在低信噪比情况下的检测性能。仿真结果表明所提方法在高动态、低信噪比条件下能够高概率检测到PCM-FM信号。     

某型反推力装置室内试车台试验方法

反推力装置是大涵道比涡扇发动机的重要组成部件。对反推装置研制过程中的室内试车试验方法进行了总结,介绍了所用反推力装置结构、试车台反推力装置控制系统,阐述了反推涡壳装置的设计与安装使用方法,探讨了反推力测量系统,总结了反推装置静态与全状态的调试方法。试验结果表明:采用的试验方法可有效指导室内反推力装置试验,获得了发动机在不同反推力状态下的性能数据,对反推装置的室内试车试验方法的建立具有一定的参考价值。     

基于指数分布第K 次序统计量试验寿命可靠性评估方法

针对航空发动机部分元器件或系统的可靠性评估和可靠性试验设计问题,推导了寿命服从指数分布时基于任意第k次序统计量的试验寿命可靠性评估理论公式,并给出了置信度为90%、95%时基于第k次序统计量的可靠寿命试验设计系数表。结果表明:采用该方法可确定给定可靠度、设计寿命、破坏数及子样数时的最短试验时间,或者给定设计寿命、可靠度、置信度、子样数及试验时间时最大允许故障数。综合考虑试验件数量及试验时间,可对寿命可靠性试验进行成本优化设计。     

海上目标雷达与 AIS航迹时空匹配方法

针对海上目标的雷达与船舶自动识别系统(Automatic Identification System,AIS)中,航迹之间存在的时空不匹配现象,提出了在空间对准之后结合海上航迹运动特点,对 AIS航迹数据进行插值对准雷达目标航迹的方法,在解决雷达与 AIS航迹之间时空不匹配问题的同时,最大程度减小插值误差。该方法根据船舶航向变化率,结合航速航向法和内插外推法的优势,针对不同航迹特点自动选择最佳的插值配准方法,实现海上目标的雷达与 AIS航迹点的自动插值和时空对齐。仿真实验结果表明,所提方法针对海上目标复杂运动,可以自动匹配选择最佳插值方法,有效降低误差,实现雷达与 AIS航迹之间的时空匹配。     

重力式自循环系统中热沉结构设计方法研究

文章对空间环境模拟器中的重力式自循环系统进行了介绍,分析系统的工作原理,明确了热沉管内流体的流动状态。对重力式自循环系统中的热沉结构设计方法进行研究,给出理论计算公式和热沉结构的设计流程。最后,根据确定的外流程输入条件,计算出热沉支管直径和支管热负荷随体积含气率的变化曲线,对重力式自循环系统的热沉结构设计提供了参考依据。     

软硬件协同仿真在图像滤波器演化设计中的应用

针对传统图像滤波器设计方法存在的局限性,将演化硬件引入图像滤波器设计中,提出软硬件协同仿真的演化思想,并设计了基于System Generator的图像滤波器演化系统。通过图像滤波器演化实验验证了演化系统的有效性,实验结果及分析表明,最优演化滤波器在性能和实现代价方面均优于传统滤波器。与现有的图像滤波器演化方法相比,软硬件协同仿真的演化方法具有实现简单、运算能力强、功能灵活等优点。该系统的演化算法可综合成硬件,为后续实现在线自适应滤波奠定了基础。     

航天器椭圆轨道自主交会的鲁棒滑模控制

提出了一种在缺少绝对轨道信息时的航天器椭圆轨道自主交会方法。用Lawden方程描述椭圆轨道的两星相对运动关系,将方程中的时变参数单独归类。在时变参数无法获知时,视其为不确定量,构成不确定系统。用不确定系统的鲁棒滑模控制方法设计了椭圆轨道自主交会的控制律,并证明了不确定系统为渐进稳定。仿真结果表明:在仅有相对状态信息条件下,设计的控制律能实现椭圆轨道航天器的自主交会。     

Machining Error Control by Integrating Multivariate Statistical Process Control and Stream of Variations Methodology

For aircraft manufacturing industries, the analyses and prediction of part machining error during machining process are very important to control and improve part machining quality. In order to effectively control machining error, the method of integrating multivariate statistical process control (MSPC) and stream of variations (SoV) is proposed. Firstly, machining error is modeled by multi-operation approaches for part machining process. SoV is adopted to establish the mathematic model of the relationship between the error of upstream operations and the error of downstream operations. Here error sources not only include the influence of upstream operations but also include many of other error sources. The standard model and the predicted model about SoV are built respectively by whether the operation is done or not to satisfy different requests during part machining process. Secondly, the method of one-step ahead forecast error (OSFE) is used to eliminate autocorrelativity of the sample data from the SoV model, and the T2 control chart in MSPC is built to realize machining error detection according to the data characteristics of the above error model, which can judge whether the operation is out of control or not. If it is, then feedback is sent to the operations. The error model is modified by adjusting the operation out of control, and continually it is used to monitor operations. Finally, a machining instance containing two operations demonstrates the effectiveness of the machining error control method presented in this paper.