单位矢量法测轨中未知量的选择

本文以有摄单位矢量法为例，对人造卫星单位矢量测轨法中条件方程及其未知量的选择进行了初步讨论。在实际应用时，根据具体情况进行适当选择，可提高测轨精度。     

DBC型差压变送器检修一例

我们单位用于蒸汽流量计量的一台 DBC 型差压变送器,在使用中工作不正常,流量积算仪有时打字,有时不打字。有时管道中没有蒸汽流通,它也打字。经校验没有找出故障原因。在实验室做试验时,没有上述现象,但一装上管道使用,就重复出现上述故障现象。我们将变送器拆开,经过仔细检查,发现主杠杆弯曲变形。后经调直处理,并重新装配     

直升机航姿信号仿真研究及其在电子特设系统综合模拟试验中的应用

本文介绍了某直升机电子特设系统综合模拟试验的直升机运动仿真模型,在此基础上着重对直升机航姿信号两种仿真方法进行了详细的阐述,并对两种方法的仿真试验结果进行了分析比较,指出了各自的优缺点。     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

考虑易损性的飞机被外爆型武器的毁伤概率

通过对考虑易损性与未考虑易损性的飞机被毁伤概率的比较,表明：在传统的飞机作战效能分析中,飞机被毁伤的概率大多忽略了飞机的易损性,只从攻击飞机的武器性能方面考虑;其实,考虑易损性的飞机被外爆型武器毁伤的概率更切近于实战,易损性对毁伤概率有明显的影响,飞机易损性设计应作为一项非常重要的环节予以重视。     

软件无线电的可重构流处理器体系结构

 针对软件无线电中存在通用数字信号处理器（DSP）计算能力不足以及专用基带处理器缺乏扩展性的问题,提出了一种新的处理器：面向软件无线电的可重构流处理器及相应的专用指令集。仿真证明,该处理器的可重构设计具备指令集扩展能力,可以对多种无线通信标准甚至是新的通信标准提供支持;面向软件无线电的流体系结构和专用指令集保证了对多种高速无线基带信号的实时处理,运算能力是通用DSP的5~13倍。该处理器为软件无线电中的硬件设计难题提供了一种新的解决途径。     

整机产品失效机理危害度定量分析方法

针对整机产品失效机理多而复杂、失效数据少、主失效机理分析为定性方法的现状,提出了一种基于Bayes的失效机理危害度定量分析方法.首先利用Dirichlet分布描述产品的先验信息,结合现场失效数据确定失效频率的Bayes后验分布函数,然后通过Slice抽样方法获得失效频率的满条件分布,进而利用Gibbs抽样得到其Bayes估计,从而实现了各失效机理的定量分析.最后在某型光纤连接器失效机理已分析清楚的前提下,分别用FMMEA(Failure Modes,Mechanisms and Effects Analysis)及Bayes方法确定了其主失效机理,结果表明基于Bayes的失效机理危害度定量分析方法考虑了现场未出现的失效机理危害度,其确定的主失效机理比FMMEA结果更具有可信度.     

用于长周期高精度轨道控制任务的快速半实物仿真系统

针对长周期高精度轨道控制任务的快速仿真试验需要,对传统的卫星控制系统半实物仿真系统进行了重构.提出利用动力学仿真模型程序的超实时运行驱动试验进程加速的方法,介绍系统总体设计思路及其结构、组成和工作原理,给出实时/超实时双模高精度动力学模型的开发及星地状态同步两项关键技术的具体实现,并通过应用实例证明了系统的有效性.     

激光与热丝点火对多组分液滴着火及燃烧的影响

采用挂滴方法,实验研究多组分单液滴的着火和燃烧特性,考察激光和热丝两种点火方式对液滴燃烧速率、火焰形貌及着火延迟时间的影响.实验结果表明,随着热丝点火时间增加,燃烧速率因液滴周围自然对流增强而加快.常重力下液滴火焰为包覆型火焰,火焰高度与液滴初始直径之比的最大值约为18.当t/t_b>0.4时,尚处于热丝加热阶段的火焰高度比没有热丝加热的高约5D₀,比激光关闭后的火焰高度高5~10D₀.与热丝点火相比,激光点火响应迅速,对液滴附近气体干扰小,是地面上比较理想的点火方式.固定激光脉冲时间,随着激光强度的增加,单液滴的着火延迟时间缩短.      

未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。