瞬态气动模拟加热控制中的快速高精度"E-T"转换

为了准确模拟飞行器在高速飞行时的瞬态气动加热状态,必须使用快速、高精度的计算机瞬态热能控制系统,对气动模拟试验的加热过程,实行快速、高精度的非线性动态控制.为此,传感器的快速、高精度"E-T"转换是一个必须解决的非常重要的问题.提出一种高速飞行器瞬态气动加热控制系统中传感器的快速、高精度"E-T"转换方法.该方法具有计算简单、转换速度快、校正精度高的优点,使用该方法实现了高速飞行器气动加热过程中温度场高速变化状态下的瞬态非线性动态控制.     

线阵CCD平场校正及FPGA实现的研究

为了消除由于照明光源的非均匀性、镜头渐晕及CCD传感器噪声对图像质量造成的不良影响,首先从理论上分析了线阵CCD固定模式噪声和像素光电响应非均匀性的数学模型和产生的原因;对像素光电响应非均匀性这一主要影响因素,根据其光电响应模型提出了CCD像素光电响应非均匀性的两点校正方法,即求解出各个像素光电响应不均匀性的校正因子和暗偏置量系数,进而用以计算各个像素的校正量,实现逐点校正;针对校正算法大数据量、实时计算的要求,设计了基于现场可编程逻辑门阵列FPGA快速实现校正算法的硬件处理结构。最后,通过仿真和实验表明,两点校正方法可以有效地减小CCD像素光电响应不均匀性的图像噪声,提高图像质量,以便做后续精确处理。     

建立腔体热释电探测器相对光谱响应度标尺的研究

由于腔体热释电探测器在宽光谱范围内具有相对平坦的光谱响应度,因此经常被用作标定探测器相对光谱响应度的工作基准。但是在标定过程中通常认为腔体热释电探测器是无光谱选择性的,即R(λ)为常数。这样就会使测量结果不够准确,因此建立腔体热释电探测器相对光谱响应度的标尺是非常重要的。本文主要介绍了建立腔体热释电探测器相对光谱响应度标尺的原理和方法,并通过实验利用该方法建立了腔体热释电探测器相对光谱响应度的标尺,从而使该腔体热释电探测器成为红外光谱响应度测量装置的工作基准。     

陆地观测卫星监测马来西亚洪灾

<正>2014年底,中国资源卫星应用中心接到中国国家航天局转来的马来西亚洪灾监测请求后,立即启动应急响应机制,紧急调动高分一号、资源三号等多颗卫星对灾区进行动态监测,并于第一时间通过应急共享通道提供了环境一号卫星灾区监测影像3景。截至1月4日,中国资源卫星应用中心向马来西亚提供洪     

快速响应卫星电子系统等寿命设计方法

与传统卫星不同,快速响应卫星的任务具有很强的时效性,采用传统的按重要程度分配部件可靠性的设计方式,难以在最大程度上降低成本。因此引入工业领域的等寿命设计理念,以预定寿命为基础进行星载电子系统的部件选择和集成,使系统的生命周期与成本成正比,达到"快、智、廉"的目标。进一步,提出了一种基于遗传算法的即插即用星载电子系统等寿命优化方法,通过建立系统的非线性混合整数规划模型,对部件可靠性均方差和价格成本进行优化。此外针对卫星总体方案分配的体积、重量和可靠性约束,为算法设计了归一化满意度函数和Pareto解共享函数。仿真结果表明,算法表现出较好的收敛性和稳定性,在预定寿命期间能够在部件级有效消除可靠性短板,并实现良好的成本控制。     

双脉冲瞬态散斑全场测量方法研究CSCD

散斑测量技术在瞬态振动过程测量中具有不可或缺的重要地位。提出双脉冲瞬态散斑全场测量技术，解决了双脉冲激光器与双曝光相机的时序同步的关键技术，设计了基于双脉冲激光器的瞬态散斑光路系统，搭建了双脉冲瞬态散斑全场测量系统，从而实现了（2~800）μs 时间间隔内连续可调的瞬时振动形貌的测量。     

利用便携式X光机开展现场校准工作的可行性研究CSCD

固定式X、γ辐射剂量率仪是承担核设施周围及内部连续监测任务的主要设备,这类仪表通常不便于拆卸送往计量实验室进行校准检定,而且送检周期较长(一周左右),影响了连续监测点数据的连续性。为了固定式仪表的按期校准,利用实验的方法研究了利用便携式X光机开展固定式X、γ辐射剂量率仪现场校准工作的可行性。研究结果表明管电压在80k V-200k V范围内的窄谱系列过滤X射线能够用于开展现场校准工作。     

一种利用水下激光冲击处理涡轮叶片残余应力的方法

为提高涡轮叶片疲劳寿命,探索了一种利用水下激光冲击强化方法处理涡轮叶片残余应力的技术。利用波长532 nm、脉宽10 ns、能量1.2～1.5 J、光斑直径1.0 mm的YAG激光器,对涡轮叶片榫齿部位进行了激光冲击强化处理。结果表明,水下激光冲击强化方法能有效消除、调整机械加工残余应力。当激光功率密度大于2.5 GW/cm~2且小于7.5 GW/cm~2时,随着功率密度的增加,表面残余应力也相应增加;当功率密度大于10.0 GW/cm~2后,表面残余压应力随功率密度的增加而明显降低;功率密度等于7.5G W/cm~2时,表面残余应力为-419.5 MPa,为最佳。     

基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障，提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上，将原始故障振动信号作为输入，通过构造首层小波核卷积层，针对性提取冲击故障特征，提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层，强化首层小波核卷积层提取的特征，将强化的特征经初级胶囊层、数字胶囊层输出分类结果，从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析，证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%，并具有良好的泛化能力。