微型化半球陀螺制备工艺发展现状及趋势分析

因低噪声、高性能、无磨损的优势,半球陀螺已成为航空、航天领域内的最佳导航陀螺。半球陀螺的微型化是微机电陀螺领域的研究热点,全球各研究单位设计了多种形态的谐振器结构,开发了各具特色的加工工艺,其选用的材质也各不相同,并研制出了形态各异的微半球陀螺结构。对半球陀螺微型化的历程和方式进行了综述,着重对微型化半球陀螺壳体谐振器的结构形态、工艺制备方法和选材进行了对比和分析,并对各微型化途径的特点进行了讨论和展望。     

飞行控制律对体自由度颤振特性影响试验

飞翼飞机易发生刚体短周期模态与机翼低阶弯曲模态耦合所致的体自由度颤振。飞行控制系统对飞机的短周期模态特性影响很大,因此考虑飞行控制系统的闭环体自由度颤振特性值得进一步研究。针对自主设计的颤振模型开发了相应的俯仰姿态保持控制律,综合运用风洞试验和仿真计算开展了相关研究,获得了不同刚体自由边界条件下的开环/闭环体自由度颤振特性,研究了闭环增益对体自由度颤振特性的影响规律,简要分析了影响机理。试验和仿真计算结果共同表明：俯仰姿态保持控制律明显地改变了俯仰模态阻尼的原有走势,闭环后的体自由度颤振特性变化明显。以开环颤振速度为基准,采用较小的比例回路增益K_P或较大的微分回路增益K_D,飞行控制律能增加飞行器俯仰阻尼,提高体自由度颤振速度,反之飞行控制律将导致颤振速度降低。就本文控制律而言,当K_P<0.07或K_D>0.2时俯仰姿态保持控制律能起到抑制体自由度颤振的作用。     

基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。     

基于FAHP与灰色聚类的 航空地面电源车功能损伤状态评估 aaa

针对战损情况下航空地面电源车功能损伤状态评估的问题,以电源车的功能结构层次为基础建立了指标体系,应用改进的模糊层次分析法(Fuzzy Analytical Hierarchy Process,FAHP)法确定了指标权重。建立了灰色聚类评估模型,并提出了指标灵敏度分析方法。针对某型战损电源车的功能损伤状态进行了评估,得出了功能损伤状态聚类评估结果,分析了指标权重变化对评估结果的影响,验证了方法的可行性和有效性。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用,其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标,基于复杂网络理论,应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型,详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系;通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱,基于节点介数的蓄意攻击效能最强;节点密度、信号辐射半径越小,VANET连通性越差,网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

基于多元特征的终端区运行场景分类分析方法

为了提升对气象影响下终端区运行场景的认知理解,支撑基于场景的终端区预战术辅助决策及管制新模式的建立,提出了一种基于多元特征的终端区运行场景分类分析方法。针对终端区场景描述与分类需求,构建由终端区气象、交通、流量策略三个领域构成的多元特征,通过多源异构数据的预处理进而建立了终端区场景量化指标集,并选取模糊C均值聚类(FC...     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

气泡雾化喷嘴射流及含气液丝破碎的仿真研究

为探究气泡雾化喷嘴气液作用对雾化的影响机制,采用数值模拟方法对一个气泡雾化喷嘴的含气射流及含气液丝破碎形态进行了仿真研究.研究结果表明,建立的仿真模型可比较准确实现气泡雾化喷嘴含气射流及含气液丝破碎的模拟;气相膨胀对射流破碎以及破碎液丝和破碎液滴的形成具有显著促进作用;射流表面出现的气相膨胀凸起宽度和射流液柱断裂间距随...