基于同波束干涉测量的航天器姿态测量研究

基于地基同波束干涉测量,建立了航天器姿态测量数学模型及方程,给出了姿态解算方法,并对方程可解性与解算精度因子进行了分析。通过模拟在轨航天器轨道运行,进行了基于同波束干涉测量的航天器姿态解算数值仿真和误差分析,对解算误差和观测俯仰角的关系进行了分析和验证。结果表明,利用3个地面测站针对航天器上3个下行天线信号开展同波束干涉测量,辅以精度因子约束进行姿态解算,可以获得有效的航天器姿态信息,其精度最高可达0.001°。该方法可以作为在轨航天器姿态测量的备份手段。     

振动环境下小尺寸减压阀的建模与分析

减压阀作为飞行器液压伺服系统的压力控制阀,在整机振动环境下必须维持必需的服役性能。以某飞行器用小尺寸减压阀为研究对象,将压力感受腔油液等效为液压弹簧,与调压弹簧、阀芯一起构成典型的质量-弹簧（机械弹簧和液压弹簧）-阻尼系统。分别建立了整机无振动时与整机振动时的减压阀分析方法和数学模型。研究结果表明：整机无振动时调压弹簧刚度越大,阀共振频率越高;压力感受腔容积越大,阀共振频率越低。整机振动环境影响减压阀的工作性能,可以恰当地设计减压阀的通径、弹簧刚度、压力感受腔尺寸等参数,使得减压阀在整机振动环境下实现必需的工作特性。理论结果和实验结果基本一致。振动环境下液压阀的分析方法和所建立的数学模型,为整机振动时液压元件的性能预测和评估提供了一种有效的基础理论支撑。     

导航星座自主导航的守时算法研究

导航星座自主导航是提高卫星导航系统生存能力的一个重要方面,而实现导航星座自主导航的前提在于自主守时,星上综合原子时的计算则是自主守时的关键技术之一。本文分别研究了星上综合原子时计算的传统加权平均算法与卡尔曼滤波算法,并分别做了仿真实验,结果表明,通过合理设置,两种方法均可保持60d内自主守时25ns。     

行扫描光学遥感器扫描参数对遥感图像定位结果影响模型

定量分析了定位模型中输入参数误差与定位误差关系,提出了一种结果的校正方法。根据图像定位结果实际的偏离规律选择定位模型中能校正该偏离的参数,修改该参数达到校正定位结果以实现精准定位。建立了极轨气象卫星行扫描光学遥感仪器的像元定位数学模型,分析了遥感器扫描参数偏差对定位结果的影响,给出了定量的定位偏差计算公式,为遥感器定位结果的校正提供了理论模型,可为遥感器设计的误差控制提供参考。     

混杂纤维增韧SiC基复合材料的强度分布

以采用化学气相渗透法(CVI)制备的SiC纤维和C纤维混杂增韧SiC基复合材料((SiC-C)/SiC)的弯曲强度数据为依据,以Weibull分布为假设,采用图解法结合逐步回归优选法进行参数估计,并采用Kolmogorov-Smirnov法对(SiC-C)/SiC复合材料的强度分布进行假设检验。结果表明,(SiC-C)/SiC复合材料的强度统计服从Weibull分布。依据获得Weibull分布函数预测(SiC-C)/SiC的强度值与实验值偏差仅为0.19%,复合材料强度可靠性较好。     

旋转三子样高精度捷联惯性导航算法

针对捷联惯导系统高精度导航的需求,以螺旋理论为基础,采用螺旋补偿三子样推导出对偶四元数所表示的捷联惯导算法,并同时对载体的姿态、速度、位置进行更新,并以四阶截断三角级数近似三角函数进行对偶四元数更新和螺旋矢量更新。仿真和跑车实验结果表明：螺旋三子样捷联惯性导航算法的导航精度比一般四元数算法提高约15%,为相关领域的研究与实际应用提供参考。     

舰空导弹发射时间窗解算模型仿真

介绍了舰空导弹发射时间窗的概念和舰空导弹杀伤区、发射区的形状和参数,在舰空导弹发射区解算的基础上,对时间窗的解算进行了数学建模,其目的是将结果作为目标威胁评估的一个指标和确定舰空导弹的发射时机。为了使时间窗解算具有实时性和合理性,在解算中考虑了来袭目标机动的影响,采用MATLAB对所建模型进行了仿真计算。仿真结果表明,所得数据可作为舰空导弹对来袭目标的威胁评估和目标分配的依据,指导防空作战指挥决策。     

飞机制造成本估算BOM模型研究

为了获取准确的成本估算信息,针对飞机制造的复杂性和数据信息共享的即时性等特点,对目前产品制造费用按工时比例分摊到产品的估算不准确的缺陷,依据ABC作业成本法的思想,建立以BOM为主线的成本估算模型,并给出从直接发生的活动对成本进行归集,依照活动的目标进行分配,成本BOM逐层卷积估算产品成本的方法。最后,利用J2EE技术进行系统实现,并给出一个应用实例。     

数值微分的小波最小二乘方法

给出了利用小波求解数值微分的方法.将微分问题转化为等价的第一类Fredholm积分方程,然后选取小波基,使用最小二乘求解该积分方程.我们给出的分析框架容许使用具紧支集的小波,利用正则化保证了计算的稳定性.数值计算实例表明,本方法稳定,运算速度快,计算精度高.