ICP-OES法测定钛合金中稀土元素Y,La,Pr,Sm,Ce,Gd和Nd

进行了用电感耦合等离子体发射光谱法(ICP-OES)法测定钛合金中稀土元素Y,La,Pr,Sm,Ce,Gd和Nd的研究.研究样品的溶解,待测稀土元素分析谱线的选择,钛合金基体及共存元素对稀土元素测量的影响等,确定了待测稀土元素的分析线,校准曲线采用基体匹配消除基体效应的影响,对仪器测量条件进行优化.进行了加入回收实验.精密度和准确度结果表明:本方法快速、准确,可以满足钛合金中的稀土元素的测定要求,RSD<4%,回收率98%～105%.     

一种基于轻量级深度网络的无参考光学遥感图像增强算法

光学遥感图像由于传感器性能下降,恶劣天气等因素的影响,导致图像品质变差。表现为图像对比度不高、细节不清晰、颜色失真、噪声大等问题。文章提出一种无参考光学遥感图像增强算法,旨在训练一个轻量级的深度网络,以估计像素和高阶曲线的动态范围调整给定的图像。在网络训练过程中不需要任何成对或不成对的数据,而是通过一组无参考损失函数隐含地测量了图像增强品质并驱动了网络的学习。实验结果表明,文章算法的性能在多种指标上和视觉上均取得优异效果,能够适应更多的光照条件。     

北斗RDSS用户机测试系统关键技术研究

为了实现对北斗RDSS用户机检测的需求，研制了专用测试系统。介绍北斗RDSS用户机测试系统的基本组成和工作原理，分析了测试系统研制涉及到的部分关键技术：系统建模仿真、RDSS出站信号模拟、RDSS入站信号接收、入站信号质量分析等，最后列举了所研制的测试系统到达的主要技术指标。     

一种面向电力终端的北斗定位模块研究

基于电力系统对卫星导航定位的自主安全性要求，研究用于电力终端的北斗定位技术，设计了一款用于电力行业终端的北斗定位导航模块，主要包括模块的模拟前端设计、数字信号处理及分析，重点对低功耗小型化设计、提高接收灵敏度设计等进行研究，并对所设计的北斗模块实物进行了实际测试和分析，成果已开始在电力行业试点应用。     

航天器超静平台作动器发展及其关键技术综述

星载有效载荷的灵敏度和有关性能指标的提高对航天器控制系统的精度和稳定度提出越来越高的要求.具有隔振、抑振及精确指向功能的航天器超静平台得到广泛关注.超静平台作动器作为实现平台功能的核心执行部件,其质量优劣决定了平台的性能、可靠性和使用寿命.文章综述国内外不同种类超静平台作动器的性能特点、应用背景及技术发展概况,归纳总结...     

热分析法研究ADN与推进剂组分的相互作用及相容性

用高压差示扫描量热法( PDSC),研究了ADN(二硝酰胺铵)与推进剂的粘合剂、固化剂、增塑剂和高能填料的相互作用及相容性。结果表明,ADN与PEG、TDI和HDI二元混合物的分解温度比ADN的分解峰温低16.3~26.9℃,混合体系相互作用危险,相容性差;ADN与NG-BTTN、TEGDN、Bu-NENA和HMX二元混合物的分解温度略高于ADN的分解峰温0.5~7.5℃,对应混合物的分解温度比NG-BTTN、TEGDN、Bu-NENA和HMX的分解温度低5.9~14.4℃,混合体系的相互作用较为敏感;ADN与GAP、PBT、PET、IPDI、N-100、NG、TMETN、BDNPA-F和Al二元混合物的分解温度与各单组分分解温度差小于2℃,上述组分相容。     

固体推进剂贮存寿命非破坏性评估方法(Ⅰ)--老化特征参数监测法

直观分析和统计检验的结果表明,HTPB和NEPE推进剂的力学性能参数与凝胶分数存在线性相关性.统计检验的结果同时证明,这种线性相关性是与老化温度无关的单一对应关系,可以将凝胶分数作为特征参数表征推进剂在贮存过程中的力学性能状态.给出了计算回归方程的方法,用来确定特征参数与力学性能参数的总回归关系,以此建立了以凝胶分数为特征参数的推进剂寿命非破坏性监测方法.     

发动机地面试验点火信号在线隔离测量方法研究

详细介绍了以电流传感器隔离测量发动机试验点火信号的原理以及实验方法，并与RC测量做一比较，电流传感器隔离测量方法中测量电路和完全与点火电路隔离，提高了测量的准确性，增强了点火试验的可靠性。     

伺服机构控制信号余度设计研究

余度技术是提高系统任务可靠性与安全性的一种手段，文中介绍了为提高发动机试验的可靠性，在控制喷管资态的伺服机的中引进余度技术所做的研究与浓度与尝试。     

应用深度核极限学习机的航空发动机部件故障诊断

运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。