基于杆臂补偿的多MIMU六方位倍速率标定方法

误差建模、标定与补偿是提高微惯性测量单元(MIMU)精度的关键,而杆臂效应是影响低成本微机电系统(MEMS)惯导精度进一步提升的瓶颈.针对杆臂效应引起的多MIMU标定误差问题,提出了一种基于杆臂补偿的多MIMU六方位倍速率标定方法.分析了杆臂效应影响多MIMU标定的误差机理,设计了一种六方位倍速率标定方案,建立了基于杆...     

一种基于数据驱动的装备信息系统软件快速设计框架

针对装备信息系统类软件特点,提出了一种基于数据驱动的软件设计框架.该框架采用数据土壤生成服务森林的核心设计思想,形成一套快速实现该类软件的设计模式,以及面向表单型、流程型、可视化型等常用业务类型开发的辅助工具,支撑软件的敏捷构建.针对装备数据的异构多源特性,与框架配合提出了面向装备信息的数据规范模型,支撑设计框架的通用...     

碳纳米管阵列推力器放电特性的数值模拟研究

基于直接蒙特卡洛(DSMC)算法、浸入式有限元算法(IFE)、粒子云及蒙特卡洛碰撞(PIC-MCC)算法以及Ammosov-Delone-Krainov (ADK)隧穿电离模型建立了碳纳米管阵列推力器工质气体和CNT场电离过程的三维仿真模型.利用文献中的实验数据对本文仿真模型的有效性进行了验证,结果表明本文仿真模型与实...     

航改燃气轮机燃烧室故障模式、影响及危害性分析

为提高航改燃机燃烧室可靠性及使用安全性,在设计阶段对某型中等功率航改燃气轮机燃烧室进行故障模式、影响及危害性分析（FMECA）。根据燃烧室结构组成,建立硬件层次及可靠性逻辑框图。针对燃烧室机匣、火焰筒、燃油总管、燃油喷嘴、导流罩等零部件进行故障模式分析,指出可能发生故障的原因及其影响,并有针对性地提出改进措施。根据各零部件发生故障的概率及严重程度建立危害性矩阵,找出系统的薄弱环节,得到FMECA表。结果表明：火焰筒壁面掉块及燃油总管焊缝开裂是影响燃烧室性能及使用安全性的主要因素,应采取相应措施降低其发生概率及严重程度,同时指出对于发生概率及严重程度较低的故障可以适当降低其设计成本。运用FMECA表客观地找出系统薄弱环节,为后续燃烧室维护及测试提供参考。     

燃油柱塞泵性能试验台测试结果稳健性影响因素分析

为了保证航空发动机燃油柱塞泵性能试验台测试结果的稳健性,以便准确测试燃油柱塞泵的性能状态,基于燃油柱塞泵液压原理,建立了其数学模型,并结合其性能试验台的液压原理,确定了影响测试结果稳健性的5种主要因素分别为柱塞泵入口压力、控制油压力、出口压力、排油压力及燃油温度。基于燃油柱塞泵的主要测试性能,研究了5种因素对燃油柱塞泵性能测试结果的影响。结果表明：在进行燃油柱塞泵性能测试时,泵出口调压阀的压力控制稳定性、排油压力以及燃油温度都会对测试结果产生较大的影响;在性能测试给定的公差范围内,柱塞泵入口压力和控制油压力的波动对性能测试结果影响极小。在进行燃油柱塞泵性能测试时应重点关注出口压力、排油压力及燃油温度,以提高测试结果的稳健性。     

复合材料不同截面空心柱体压溃吸能特性研究

对圆形截面和正六边形截面碳纤维复合材料空心柱体的压溃吸能特性优劣进行研究。以约束相同质量、相同铺层的方式,分别研究单胞及按蜂窝阵列排列多胞结构2种情况下的吸能特性,并通过 ANSYS 有限元分析及实物试验辅证,得出相同铺层方式不同截面的复合材料空心柱体性能优劣。单胞结构性能结果为,圆截面单胞空心柱体的压溃吸能效果优于正六边形截面的效果:按蜂窝阵列排列多胞结构性能结果为,正六边形截面蜂窝结构压溃吸能能力优于圆截面类蜂窝结构。     

星载天线的热分析技术方法研究

针对ANSYS软件不能通过轨道信息模拟太空环境下的温度场,提出了利用I-DEAS软件和ANSYS软件相结合进行星载天线热分析的方法和基本步骤。该方法首先通过I-DEAS软件计算出太空环境下的温度场,然后利用Delphi语言编写的接口程序把I-DEAS的计算结果导入到ANSYS中去,最后通过ANSYS计算出在轨星载天线的热变形和热应力。通过一具体的算例,说明了此方法的可行性和有效性。     

基于误差模型的权重二值神经网络近似加速

针对智能识别系统精确度和硬件复杂度之间的均衡设计问题,提出了一种基于误差统计模型的权重二值神经网络近似加速方法.在提出了一种获得高精度轻量神经网络的权重二值化处理算法基础上,引入近似加法器、消除乘法器以进一步提高能效.最终提出了一种系统级误差统计模型用于系统评估和优化设计,该设计能够分析和预测权重二值神经网络近似加速系...     

基于前馈神经网络的柔性连续臂建模与仿真

柔性连续臂的设计研究近年来取得重大进展,但其建模研究一直相对滞后。为此,文章对柔性连续臂进行运动学建模研究,提出使用临时姿态矩阵求解逆运动学的方法,解决了逆运动学不易收敛的问题;利用前馈神经网络对基于模态振型函数（MSF）的模型进行拟合,建立一种端到端的正运动学模型和逆运动学模型,在保证模型精度的同时,显著提高了其逆运动学求解效率。该模型可以灵活更改前馈神经网络输入输出神经元的数量,从而将自身迁移到多节模型中。     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。