基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。     

基于等效电路模型与CDKF的锂离子电池荷电状态(SOC)估计

锂离子电池在社会生产各领域应用广泛,由于其复杂的电化学系统,状态检测难度较大,给供电保障带来不利影响.结合Thevenin等效电路与中心差分卡尔曼滤波法(CDKF),构建了一种聚合物锂离子电池的荷电状态(SOC)估计模型.MATLAB仿真验证表明,该模型能有效防止安时计数误差累积,电池SOC估计误差不超过5%.     

基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。     

基于经验模分解的PPP时间比对数据消噪方法CSCD

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。     

应用端部效应改善的LS+NN模型进行日长变化预报

现有ΔLOD(Delta Length-Of-Day,日长变化)预报模式在进行周期项与残差项拟合分离时,通常没有考虑LS(Least Squares,最小二乘)拟合序列的端部效应,预报精度难以取得较大提高。针对端部效应现象,首先采用时间序列分析模型在ΔLOD序列两端进行数据延拓,构成一个新序列,然后用新序列求得LS外推模型系数,再结合LS外推模型和NN(Neural Network,神经网络)对原始ΔLOD序列进行预测。算例表明,在ΔLOD序列两端增加延拓数据,能有效改善LS拟合序列的端部效应;端部效应改善的LS+NN模型的预报精度明显优于常规LS+NN模型,精度最大提高了17.86%。该方法不仅适用于LS+NN模型,也适用于LS外推模型与其他模型的组合。     

双合成射流前体非对称涡控制技术及模型自由飞实验验证

为推进前体非对称涡流动控制方法在飞行器大迎角飞行控制方面的应用,提出并发展了一种基于双合成射流的前体非对称涡控制技术。研发了一套机载型双合成射流控制装置及模型自由飞验证机,通过风洞半自由飞及模型自由飞实验,验证了利用前体非对称涡控制技术实现尾旋改出和大迎角姿态控制的可行性;同时,依靠飞行测控系统和机载压力测量系统,实现飞行器姿态及前体表面压力的同步测量,可对前体非对称涡控制效能进行有效评估。风洞半自由飞实验结果表明：在60°迎角下,双合成射流可有效控制前体非对称涡相对位置,产生偏航力矩,实现大迎角航向操纵。在模型自由飞实验中,该技术可在常规方向舵失效的迎角下实现尾旋改出,可控尾旋角速度达到173 （°）/s;依靠该技术,验证机可在大迎角飞行时进行快速偏航操控,由控制输入到偏航角速度改变的时滞小于0.5 s。     

广义回归神经网络在卫星钟差短期预报中的应用

近年来,神经网络(Neural Network,简称NN)在非线性系统的预测方面取得了广泛的应用。考虑到卫星钟差包含了复杂的非线性因素,所以将一种新型神经网络-广义回归神经网络(Generalized Regression Neural Network,GRNN)应用于钟差预报中。采用“滑动窗”方式构建样本数据以提高数据利用率,为提高网络的泛化能力,利用K重交叉验证法(K-fold Cross-Validation)对网络进行训练学习,并根据最小均方根误差(Root Mean Square Error,RMSE)确定最优平滑因子。利用国际GNSS服务(International GNSS Service,IGS)公布的精密GPS卫星钟差数据进行预报实验,并与传统二次多项式模型对比分析。结果表明：GRNN模型在24h的预报跨度内的误差可达ns级,并较多项式模型有更好的稳定性;对于线性钟差,GRNN模型要逊于多项式模型,而对于非线性钟差,GRNN模型则明显优于多项式模型,初步验证了GRNN用于钟差预报的可行性、有效性以及实用性。     

三维混杂碳纤维/芳纶纤维增强尼龙复合材料力学性能研究

制备了三维混杂碳纤维／芳纶纤维增强尼龙复合材料(HY／PA)并对其力学性能进行了测试。研究表明：由于芳纶纤维的加入，使碳纤维增强尼龙复合材料(CF／PA)的抗冲击性能有了显著提高，HY／PA的抗冲击强度随芳纶纤维体积分数的增大而有所提高；另外，HY／PA在改善CF／PA的横向剪切强度的同时，也改善了芳纶纤维增强尼龙复合材料(KF／PA)的纵向剪切强度；同时，混杂效应对HY／PA的弯曲性能的影响最为显著，HY／PA的弯曲强度、弯曲模量均高于任一种单一纤维复合材料。     

基于扩散动力模型的锂离子蓄电池放电速率与放电容量相关性研究

针对锂离子蓄电池在恒流放电条件下,放电速率与放电容量之间表现出的较复杂的非线性关系,引入了扩散动力模型,建立恒流条件下放电速率与放电容量之间的对应关系。通过实验验证,该模型较传统的经验公式模型Peukert方程预测更精确,同时具有清晰明确的物理意义。