DSMS悬挂物的初始化和控制流程研究

首先指出了数字式悬挂物管理系统(DSMS)的先进性,分析了其组成和接口,然后重点研究了DSMS悬挂物的初始化和控制,包括各状态系列、接口控制动作、标准消息数据格式,进而以流程图的形式概括了整个过程.     

μ理论在柔顺力控制中的应用

研究μ理论在柔顺力控制系统中的应用.为模拟空间对接强制校正阶段的推出和拉近过程,提出基于6自由度并联机器人位置内环的柔顺力控制策略.综合考虑参数变化、模型变动和外来干扰等不确定性,利用μ综合控制理论设计鲁棒力控制器.通过μ分析比较鲁棒力控制器和经典力控制器的鲁棒稳定性和鲁棒性能.给出鲁棒力控制器和经典力控制器的实验结果,表明所设计鲁棒力控制器的有效性和优越性.     

大型自由曲面光学器件的超精密抛光方法

旨在提高大尺寸自由曲面光学器件精密抛光技术的精度与效率.通过构建一个机器人抛光中心作为抛光平台,并在包括单位圆域、单位正方形域及自由边界域在内的平面映射域内求解旅行商问题,通过投影计算圆形度数值,进行映射区域的分类,并将所获得的平面轨迹映射到曲面上获得用于大尺寸自由度超精密光学器件的抛光路径.本文算法综合考虑到计算效率...     

用于航天器贮箱的复合材料层合板低速冲击损伤及其渗漏规律研究

得益于优异的力学性能和减质优势,贮箱复合材料化已成为新一代航天器的重要特征之一,而复合材料贮箱的冲击后渗漏问题须要重点关注。针对一种用于航天器贮箱的含表层机织布复合材料层合板,通过依次开展低速冲击试验、C扫描损伤检测和氦质谱渗漏检测,获取不同能量冲击后层合板的内部分层损伤和渗漏率,并对比分析了机织布分别置于冲击侧和背侧时层合板的渗漏规律。结果表明,将机织布层置于冲击背侧时,层合板的冲击渗漏门槛值显著提高,且发生渗漏时出现目视可见损伤。     

基于弹道动力特性考虑的不完全测量数据处理方法

针对试验任务中数据丢失的情况,讨论了如何结合遥测信息,充分考虑弹道动力特性提供样条节点,最终获得目标高精度的位置和速度参数估计的问题。首先,介绍了样条节点的概念及其反映的物理背景;然后,结合遥测数据处理的相应理论,提出了遥测弹道具有充分反映动力特性、保形的特点;最后,结合最优节点搜索方法和节省参数建模理论,运用样条约束的联合处理手段,采用改进Gauss-Newton法求解非线性方程,给出了相应的实测数据处理算例。结果表明,基于靶场现有高精度测量设备的跟踪数据,充分考虑弹道的动力特性,在某些数据丢失的情况下,仍然可以提供高精度弹道参数。相对于传统的融合低精度测元进行数据补偿的方法,文中所介绍方法对提高全程弹道精度具有重要意义。     

发射脉冲载波泄漏抑制研究与实现

对发射端采用双平衡正交调制器产生线性调频造成载波泄漏的原因进行了详细分析,提出了采用直接数字合成(DDS)技术产生发射端线性调频信号的实现方法,从而很好地解决了载波泄漏的问题,并给出了试验结果。     

一种中心型间断有限元MMALE方法

针对多介质可压缩流体动力学问题,提出了一种单元中心型二维MMALE(Multi-Material Arbitrary Lagrangian-Eulerian)方法.在拉氏步,流体力学方程组采用中心型间断有限元方法求解.对于混合网格,采用Tipton压力松弛模型更新物理量,用等参坐标法更新物质中心点坐标.界面重构采用一种...     

激光捷联惯导量化热设计指标控制方法

随着机载激光捷联惯导向小型化方向发展,惯导结构的热设计正面临着更加严峻的挑战.针对设计中经常出现因无法在设计前期进行热设计指标控制而导致后期设计返工的问题,提出了一种热设计量化控制方法,即根据估算的整机功率计算箱体外表面积,再对箱体外表面积可达性进行判断,如可达则以该参数作为控制指标进行设计,如不可达则采用可达的最大表...     

镁铝富燃料推进剂燃烧残渣影响因素理论分析

用最小自由能法计算了镁铝富燃料推进剂一次燃烧室产物的成分,分析了凝聚相C、Mg和A l产物含量的变化对燃烧残渣的影响;主要探讨了AP含量、Mg/A l比例、HTPB粘合剂含量、燃烧室压强对凝聚相C、Mg、A l燃烧产物含量的影响。计算结果表明,增加AP含量、设计Mg/A l比小于3/5、减小HTPB粘合剂含量、降低燃烧室压强均能减少凝聚相产物含量,有利于降低燃烧残渣。燃气发生器实验结果表明,Mg/A l比例对燃烧残渣影响的实验数据与理论分析一致。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.