技术信息

一、40000转/分光电转矩仪 40000转/分光电转矩仪是航天工业部第三十一所研制的,它是利用光学原理对高速旋转机械进行转矩测量的最新仪器设备。84年通过技术鉴定。该转矩仪填补了我国高速光学测矩的空白,转矩仪的转速在我国是最高的,达到了国内先进水平。转矩仪的工作指标如下:工作转速:40000转/分;精度:1％;量程:0—5公斤·米。转矩仪的突出优点:1.采用非接触式测量,不受转速限制,并可在一定振动情况下正常工作;2.配有光电转换系统;使用安全可靠,可实现远距离测量,便于采用计算机进行数据采集和处理;3.使用范围广,可用于泵、     

基于系统论的无人机蜂群再认识

无人机蜂群结合了无人机和集群作战的优势,是当前军事技术装备发展的热点,也是电子战研究的重点.受研究视角和实际演示项目的影响,人们对无人机蜂群的研究和认识还存在一定的局限.和传统单个无人机相比,无人机蜂群的特殊之处在于其系统特性.从系统论的角度研究无人蜂群,可以更加深刻地理解无人机蜂群的本质和优势,科学研判无人机蜂群的未...     

无人机动态目标高精度定位方法研究

针对未来无人机对目标高精度定位的迫切需求,开展了无人机动态目标高精度定位方法研究,提出了动态目标高精度定位总体方案。方案将惯性/卫星组合导航系统和机载光电平台系统获取的载机信息和目标相对信息作为目标定位算法的输入量,合理分配目标定位过程中各项误差参数,实现无人机对目标的高精度定位。经仿真验证,目标定位精度和载机导航精度都达到了期望指标,表明了方案和算法的有效性。     

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(Generative Adversarial Network,GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;之后将达到模糊分数阈值的图像同步输入至改进GAN网络模型,该网络以端对端的形式恢复中心模糊帧的纹理信息,最后将输出的清晰图像重新进行位姿估计参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,方案可以明显降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

某水下发射系统水平运动机构速度校准

由于使用环境的特殊性,某水下发射系统水平运动机构需要在水下进行速度校准.本文介绍了某水下发射系统水平运动机构的基本特征,机构自身测速系统的原理及优缺点.根据水下发射系统实际情况,分析了采用多普勒测速、惯性测速、电磁测速等方法进行水下速度校准的应用局限性.为解决上述几类水下测速方案应用局限性,给出了采用光电感应测速的校准...     

基于多模态域对抗神经网络的调制识别算法

针对调制信号训练数据(源域数据)和测试数据(目标域数据)来自不同数据分布导致预先训练的深度学习模型失配、系统性能急剧恶化、且大量无标签目标域数据未被利用的问题,提出一种基于多模态域对抗神经网络的调制识别算法,在域对抗神经网络基础上同时使用时域和频域的多模态信息对齐源域和目标域调制信号的数据分布以提升调制识别算法性能.仿...     

无线电外弹道测量设备轴系误差修正方法改进

对无线电外弹道测量设备轴系误差的性质进行分析,论述了传统轴系误差修正方法的缺点,采用坐标系转换的原理,推出了一种轴系误差的精确修正方法。对各种误差项进行分离,将传统的轴系误差修正方法改进为实时快速修正方法,并利用实际标定的误差数据,仿真计算不同修正方法的修正效果,验证了轴系误差精确修正方法的正确性,验证了实时快速修正方法的正确性和快速性。     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时，存在特征提取不足及细节重构丢失等问题，提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息，增强特征关联性；采用自注意力机制及特征融合模块构建多尺度特征生成器，以获取丰富的上下文信息，提升网络的修复能力；引入最小化对抗损失与均方误差促进判别器的残差反馈，从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明，所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息，并且主观视觉效果及客观评价指标均优于比较算法。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求，提出了基于深度学习的翼型反设计方法，利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征，习得特征到翼型的映射关系；判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入，输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型，研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数，快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率；并且在有噪声干扰情况下依旧保持良好的设计性能，增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。     

基于微波光子学的光电式高功率微波测试技术研究

针对传统高功率微波测试方法的固有缺陷，介绍了一种基于微波光子学的高功率微波测试方法。基于这种方法设计了一套光电式高功率微波测试系统，这套测试系统具备低扰动、瞬时动态范围大、抗干扰能力强且能同时采集高功率微波时/频域信号特征等优点。使用高功率微波脉冲信号对这套系统进行了试验验证，测得的数据完整的表现了高微波脉冲时/频域的信号特征，验证了这套测试系统和方法的可行性和有效性。