飞行监控系统中基于GPU的地形渲染

利用实时遥测飞行信息生成三维虚拟地形场景,旨在飞机试飞时,增强地面指挥人员对飞机实时位置地面场景的感知能力,帮助飞行员在试飞时处理复杂多变的飞行状况。为了逼真且流畅地生成三维地形场景,首先使用固定网格映射(PGM)的方法生成地形采样网格,接着利用几何着色器为三角形面片分配连续的与视点相关的细节等级(LOD),对缓存在纹理数组中的各等级高程数据和卫星照片进行混合采样。由于细节等级是连续的,因此各级纹理和高程之间能够平滑的过渡,增加了场景的真实性。最后,考虑到显存的容量限制,引入了一种内存与显存之间的纹理调度方法。整个算法都是面向图形处理单元(GPU)实现的,能够较好地兼顾实时性和真实性,实现多分辨率大规模地形场景的实时虚拟显示。根据本文算法实现的实时监控系统在支线飞机的飞行试验中取得了较好的效果。     

新型星载多波束相控阵天线分布式数字波束成形网络设计与实现

 针对16波束61阵元数字波束成形（DBF）星载相控阵天线的高速信号处理要求,提出以实信号处理为主体的分布式DBF网络架构,较复信号处理模式节省了一半的资源和数据传输量。通过时域Hilbert变换和分布式算法对波束成形网络各单元进行合理设计,降低了算法的运算量,也减少了硬件资源开销;同时通过单音闭环校正回路设计,改善了射频通道一致性。研制了DBF网络硬件平台和半实物仿真系统,验证了算法设计的正确性。本文提出的算法对资源有限的阵列信号处理有一定的借鉴意义。     

铝阳极在KOH甲醇-乙醇体系中的电化学性能

为了提高铝的活化性能以及降低铝的腐蚀,用电化学方法研究了在碱性甲醇-乙醇有机体系中,添加剂H2O对铝阳极(99.999%)电化学行为的影响。结果表明:4 mol/L KOH+甲醇-乙醇(5∶5)+30%H2O体系能大幅度抑制铝腐蚀,缓蚀率高达70.04%,但极化程度有所增大。在-1.20 V处,铝的电流密度高达72.66 mA/cm2;开路电位Eocp负移程度最大(-1.933 V)。     

蚁群优化算法在加工工艺知识发现中的应用

针对加工工艺数据复杂、庞大、多变的特点,为解决加工工艺知识的匹配与推理的关键性技术,将模拟生态系统的模糊聚类算法应用于加工工艺知识库。提出了基于蚁群算法的工艺知识发现的概率查询方法,并建立加工工艺知识库的数学模型。通过输入关键词运行蚁群算法,描绘出索引地图,提取分析所需要的加工工艺序列。最后以铣加工工艺为例进行实例验证,结果表明,基于蚁群算法的工艺知识发现高效全面地优化了工艺序列。     

基于DSP平台的机载高清视频编码器设计与实现

针对无人机(UVA)航拍对高清视频的需求,设计并实现了基于数字信号处理器(DSP)平台的MPEG-4高清视频编码器,具有体积小、功耗低和可靠性高的特点.根据DSP片内资源设计了存储器分配方案,优化了编码过程中的数据流传输,降低了数据访问对编码速度的影响.针对视频编码算法中复杂度较高的部分,采用了基于预测的运动估计,减少...     

一种预估涡喷/涡扇发动机重量的方法

从发动机的热力循环参数出发,通过流路分析确定总体轮廓尺寸,进一步获得主要零件的几何尺寸,并以此为依据估算发动机重量。     

DS18B20在YWJC-1C型ECS原位检测仪中的应用

主要介绍在YWJC-1C型ECS原位检测仪中单线数字温度传感器DS18B20的测量原理、特性及其温度测量的硬件接口设计和软件设计。     

系统参数对电动力绳系动力学的影响

将电动力绳系(EDT)的主星质量、子星质量、绳系质量以及绳系中的电流视为系统参数,研究这些参数对系统的摆动动力学和轨道动力学的影响。哑铃模型下的电动力绳系摆动动力学方程存在不稳定的周期解,通过Floquet理论来衡量周期解的不稳定程度,从而研究各系统参数对摆动动力学的影响。建立了用春分点轨道元素的形式描述的电动力绳系轨道动力学方程,并以降轨时间来衡量电动力绳系的降轨效率,从而研究系统参数对轨道动力学的影响。运用算例对周期解迁移矩阵的特征值、降轨时间随各系统参数的变化关系进行了仿真,分别得出了各系统参数对系统摆动动力学和轨道动力学的影响。综合本文的仿真结果,并考虑实际发射及空间运行中的其它因素,对电动力绳系的设计和降轨策略提出了建议。     

椭圆轨道卫星对地全球覆盖电推进控制

针对椭圆轨道卫星近/远地点的星下点对全球或特定纬度区域的访问问题,提出一种连续小推力下的对地覆盖控制策略。首先,推导了自然摄动对卫星拱线变化的影响,并探讨了进行小推力覆盖控制的必要性。然后,针对燃料消耗的优化问题,将控制方程展开成含傅里叶级数的形式,用以获得便于星上计算的解析形式的次优解,同时探讨了截取阶数与优化程度的关系。在进行拱线控制的同时,通过合理设置约束,对椭圆轨道的近地点高度进行保护,确保卫星安全运行。仿真结果表明,提出的方法能够以适当的燃料消耗代价实现椭圆轨道的近/远地点的全球覆盖控制或特定纬度区域的反复推扫,且控制力在可接受的范围内。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。