航天器组件级产品常压热环境试验中的几个问题

文章阐述了航天器组件级产品在常压热环境试验中,为了适应试验技术指标的变化和提高,开发现有的试验设备能力,解决了温度偏差、变温速率等问题;尤其对于试验温度过冲问题,通过对试验程序的改进,调整和修改了程序参数,从而满足了试验技术要求。     

步进频雷达目标ISAR成像运动补偿新方法

分析了基于步进频ISAR运动目标的回波信号模型,讨论了目标运动对成像的影响,指出了当目标运动速度不可忽略时会造成高分辨距离像的移位和畸变,并使二维像散焦。提出了一种基于高斯包络线性调频信号自适应分解及高分辨距离像最小熵方法的运动补偿算法,利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动速度,并用高分辨距离像最小熵方法提高估计精度,然后进行运动补偿。该算法具有计算量小,精度高的特点,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

Fe-Ni-Cu-C合金粗粉的注射成形工艺

对平均粒度为60μm的Fe-Ni-Cu-C合金粗粉进行了注射成形.采用正交试验法,以生坯三点抗弯强度和生坯密度作为依据,研究了注射参数对生坯质量的影响,得到了理想的脱脂和烧结工艺.结果表明:在1225℃,H2和N2比为1∶3时得到的烧结件具有最好的力学性能,其抗拉强度为360MPa,屈服强度为171MPa,硬度为54HRB.     

CANaerospace协议实时性分析与研究

为了满足航空领域对实时性的要求,作为CAN总线(Controller Area Network)的应用层扩展协议,CANaerospace协议在保留CAN总线已有物理层和数据链路层的基础上,应引入时间触发调度机制,并增加对系统冗余设计的支持。本文通过分析计算认为,CANaerospace协议具有带宽利用率较高、最大传输延迟可确定等性能特点。同时,经过与MIL-STD-1553B总线性能的分析比较后得知,CANaerospace协议可以在某些实时性应用场合替代1553B协议。     

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段,其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波,本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer,ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF,Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点,本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性,并提出多个精英动态引导机制,强化算法前期的探索能力和后期的开发能力,同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度,MGPALO-RBF模型具有更好的海杂波预测性能。     

基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此,提出了一种基于改进人工兔子算法优化门控循环单元 （Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit, OARO-GRU）网络的电离层杂波短期预测模型。首先,依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识,通过相空间重构技术构造GRU网络的输入和输出样本集;然后,融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力,并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选;最后,重新训练优化后的GRU网络,输入测试样本集进行测试,并依据给定的评价指标评估模型。实测结果表明：相较于其他7种对照模型,所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性,为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。     

长时间积累下雷达高速目标检测算法综述

隐身技术与高速飞行器的发展给雷达探测目标带来了严峻挑战,而长时间积累技术就是在信号处理领域帮助雷达进行目标检测时提高信噪比的一种有效方法。对于高速高机动目标而言,信号在长时间累积中会在距离域和多普勒域引起跨距离单元走动和跨多普勒单元走动问题。“两跨”问题会严重影响积累增益,传统的MTD（Moving Target Detection,运动目标检测）方法已经无法对信号进行能量累积。为了解决“两跨”问题,提高雷达对高速目标的探测性能,近些年已涌现很多方法,本文将依据目标运动模型把长时间积累下分为径向匀速运动下的长时间积累、径向加速运动下的长时间积累、径向高阶复杂运动下的长时间积累三类进行分析,对相应模型下的“两跨”问题与解决方法进行综述和总结,意在为后续研究提供参考。     

非结构化数据的多粒度集成分类方法

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中,数据被划分成不同的粒度,用于训练不同的基学习器,这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重,从而构造出一个较好的集成学习器。在实验中,本文验证了所提出模型在3种非结构化数据类型（文本、医学图像和时间序列）上的有效性。实验结果表明, 本文的模型比现有的基准方法简单,具有较好的分类精度,并且能够为数据的分类提供可解释性。     

粗糙度对多级压气机性能影响的数值模拟研究

为了研究粗糙度对多级压气机气动特性的影响,采用三维数值模拟软件CFX,对3.5级压气机进行了研究。结果表明,相比于端壁粗糙度,叶片表面粗糙度对压气机性能影响更大;不同转速下,叶片表面粗糙度的增大会造成压气机压比和效率的降低,并且粗糙度增大越快,性能衰退也越快,其中设计转速下粗糙度对压气机的性能影响更大,当叶片表面粗糙度达到50μm时,峰值效率下降了5.25%,对应压比下降了1.33%。前面级叶片表面粗糙度加剧了后面级角区分离和尾迹损失,在压气机性能下降中所占比重更大;而最后一级粗糙度对分离区的影响很小,主要是增加了尾迹掺混造成的损失。单级粗糙度对压气机稳定工作区间影响很小,而全部级粗糙度增大了压气机的稳定工作区间,这是由于粗糙度造成的近失速点处的流量下降相比于堵塞流量的下降程度更大。