“ 互联网+” 计量发展现状与建议

分析了国内计量检测行业现状与存在的问题,描述了“互联网+”计量服务模式的初步探索情况,指出“互联网+”计量转型是未来计量检测领域的必然发展趋势,提出了“树立正确的互联网思维、加强对“互联网+”计量模式的研究与应用, 加强行业整合、提高为用户服务能力”的措施及建议。     

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

基于AD736真有效值测量的发电机电压控制技术研究

针对电励磁同步发电机电压控制技术存在参数漂移、工作不稳定、电压畸变导致控制参数超差等诸多问题,介绍一种电励磁同步发电机数字电压控制技术,通过AD736高精度芯片测量交流电压真有效值,并采用基于双闭环数字PI算法的电压控制技术,开展了发电机电压数字控制器研制。经试验考核,该控制器性能指标满足设计要求,达到了预期目标。     

深空探测用锂离子蓄电池在轨管理策略研究

高轨卫星、深空探测器在工作周期内地影时间较短,储能电池长期处于搁置状态,而在存储过程中由于界面副反应的存在会导致持续的锂离子电池容量衰降,影响储能电池的使用寿命。通过dV/dQ曲线分析、交流阻抗分析和解剖分析发现在存储过程中活性Li损失是导致锂离子电池容量损失的主要原因,在100%SoC状态时还会导致电解液在负极表面的分解加剧,引起正极的界面膜阻抗R_(SEI)和颗粒间接触阻抗R_(CR)出现明显的增加。研究结果表明:深空探测器电源系统在存储期间为了减少过放电风险,并减少不可逆容量损失,应将蓄电池的荷电状态控制在20%SoC左右,并定期进行充电。     

静电场仪校准系统的设计及仿真研究

静电场仪的精确校准对提高卫星在轨电场探测精度、保障卫星安全发射升空、精确预测雷电等具有重要意义。针对电场仪校准的需要,设计了平行极板电容式静态电场仪校准装置。利用三维电磁场仿真软件CST对标准静电场发生装置进行数值仿真,研究了校准箱内部及边缘处的静电场分布特点,分析标准极板直径和间距对边缘效应的影响,结合极板平行度对电场均匀性的影响分析,确定了校准过程中电场仪探头的最佳位置,实现静电场仪校准装置的最优化设计。     

星载天线展开过程立体视觉动态测量技术

介绍了基于立体视觉原理的星载天线动态展开过程测量方法,通过基于标准长度的标定方法、双目立体视觉交会坐标解算和动态多目标点识别跟踪等关键技术的研究,实现了对可展开天线各关节点在展开过程中的三维运动轨迹的测量,并实现了试验验证。试验结果表明,该方法可获得各关节点在不同时刻的三维点坐标,解算出展开运动的运动速度、加速度和展开后的面型等参数,为大型可展开天线柔性机构设计、动力学分析和展开可靠性分析等提供必要的参考。     

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响,设计了两步卡尔曼滤波（TSKF）算法。首先,介绍了脉冲星方位误差估计的传统模型,并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次,在传统的估计模型中加入了钟差和卫星位置误差,并将钟差和钟差变化率增广为新的状态量,从而推导出包含2种误差的新模型,并证明了该模型的完全可观测性;根据该模型并按照两步卡尔曼滤波原理,得到了TSKF算法的步骤。最后,通过仿真表明:在钟差和卫星位置误差同时影响下,传统脉冲星方位误差估计算法偏差较大且发散;TSKF算法则能够有效隔离2种误差的影响,使赤经和赤纬误差估计达到0.2 mas之内的精度。      

环氧树脂基复合材料加筋板结构吸湿行为研究

环氧树脂基复合材料的性能对湿热环境敏感,掌握该材料所组成结构的吸湿行为对其实际应用具有重要意义。通过以碳纤维环氧树脂基复合材料层合板的non-Fickian吸湿模型为基础,建立环氧树脂基复合材料加筋板结构的non-Fickian吸湿模型,在70℃/85% RH湿热条件下开展加筋板结构的吸湿实验,对所建立模型进行验证,并与已有的加筋板吸湿模型进行对比,通过所建立模型给出了加筋板沿厚度方向的吸湿量分布规律。结果表明:所建立加筋板non-Fickian吸湿模型的计算结果与实验结果吻合良好,在整个吸湿阶段相对误差小于5%,模型的预测精度高于传统Fick模型。所建立的加筋板non-Fickian吸湿模型可用于环氧树脂基复合材料加筋板层合结构吸湿量的准确预测。      

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

Kalman滤波技术在磁航向和捷联惯性组合系统初始对准中的应用

研究了磁航向和捷形惯性组合系统初始对准的设计方法。该方法能在初始对准过程中用卡尔曼滤波器估计出陀螺仪的随机常值漂移，从而提高了系统的对准精度。文中给出了系统的状态方程和测量方程，建立了完全闭环控制的卡尔曼滤波器，最后给出了二组不同条件下的模拟结果。