平面交叉口混合交通流建模与仿真

在混合交通条件下,交通参与者成分复杂,各种交通方式速度各异,交通冲突频繁。特别是在交叉口机动车与非机动车相互干扰,带来了安全、效率、污染等多方面问题。本文首先介绍我国混合交通流的特点,然后对自行车个体微观行为进行定性的描述分析。通过对实际信号交叉口的调查研究,和对机动车流率与非机动车到达与释放规律的模型建立与定量计算。分析总结出平面交叉口机非干扰的一般规律和冲突避让原则。根据实测数据,结合视频处理和统计软件的使用通过计算直行与左转非机动车换算系数,提出了改进的机动车延误时间模型,并通过使用VISSIM3．6进行微观仿真验证了模型的有效性。     

火焰稳定器射流喷口形状对燃烧性能的影响

为了探讨层缘吹气式火焰稳定器的射流喷口形状对燃烧性能的影响，在来流50m/s，573K条件下，分别对连续长缝、不连续宽缝、均布圆孔三种不同喷口形状的火焰稳定器的燃烧性能进行了实验研究，对比了它们的贫熄特性、燃烧效率和流阻损失。研究发现，在实验条件范围内，连续长缝形喷口稳定器的燃烧性能较其他两种不连续喷口稳定器优越，具有较高的燃烧效率、较宽的贫熄边界和较小的流阻损失。     

光力惯性传感技术研究进展

光力惯性传感技术是利用光子与机械振子的相互作用,通过出射光的动量和角动量的变化实现对振子运动状态的监测,进而实现对其受力（矩）,以及（角）速度、（角）加速度测量的新型惯性传感技术。该技术既有高极限精度的原理优势,又有微型化的技术优势,是惯性传感技术的前沿领域,具有极大的发展潜力。首先介绍了基于光阱系统和微腔系统的两类光力惯性技术,分析了其基本工作原理与物理特征;其次介绍了国内外光力惯性传感器件的研究现状;最后对光力惯性技术的发展特点、国内外差距进行了总结,并给出了我国发展光力惯性传感技术的建议。     

基于任务的微机电惯性系统规模化测试技术研究

针对传统惯性测试技术测试周期长、测试效率低、测试成本高等问题,提出了基于任务的微机电惯性系统规模化测试解决方案。研究分析了微机电惯性系统测试技术的研究现状和发展趋势,建立了基于任务的微机电惯性系统测试体系,详细论证了微机电惯性系统批量、并行、自动化测试解决方案的可行性,为微机电惯性系统规模化测试实践奠定了基础。     

混合式CRP偏转工况水动力和空泡性能试验研究

为了探究混合式CRP (混合式对转桨吊舱推进器)偏转工况下的水动力性能,在空泡水筒中开展了混合式CRP推进器偏转工况下的敞水试验和空泡试验。在其吊舱推进器偏转0°,±5°,±10°下测量了前、后桨的推力和扭矩,并对前后桨的空泡形态进行了观测。试验结果表明:前桨的推力、扭矩系数及空泡形态基本不受吊舱推进器偏转影响;后桨推力系数和扭矩系数随着偏转角度的增加而增加。偏转工况下,前桨的毂涡和梢涡会下泄至后桨桨叶,引起后桨叶面上产生大量空泡;在不同周向位置,后桨的空泡面积不同;后桨尾涡强度在吊舱体两侧呈现出差异性,较强的前桨尾涡会将较弱的后桨尾涡卷入,前后桨尾涡强度相当时,尾涡轨迹发生紊乱。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

基于超声电机的新型舵系统研究

针对小型无人机、微型导弹等小功率精确制导武器执行机构,对伺服系统的精度和快速性提出了更高的要求,利用一种基于压电作动元件的新原理电机——超声电机,开展了驱动控制技术研究,提出了一种带反馈回路的LC谐振匹配电路,并对Bang-Bang控制策略进行了简化,最终研制了一种相比小功率电磁电机舵系统具有更高精度和更快响应等特点的超声电机舵系统原理样机。性能测试结果表明：该超声电机舵系统精度和动态性能良好,定位误差小于（0.018°+ δ×4‰）,频带大于70Hz。     

航空发动机高原起动性能改善措施

为了解决航空发动机高原起动超温和转速悬挂等问题,以某型航空发动机起动过程为研究对象,根据高原环境对发动机起动过程的影响进行理论分析,提出了优化高原起动措施,并进行了高原试验验证,摸索出各措施对起动过程的影响程度。结果表明:在发动机起动过程中采用飞机卸载的方式可使排气温度降低3%,起动机脱开转速提高3%;起动机功率提高约1%,点火转速及脱开转速提高约2%,起动时间缩短约8%。     

融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。