扑翼机器人机载视觉避障系统设计（英文）

扑翼机器人是一种高仿生度的飞行器,它可以执行军事侦察和民用监测任务。在执行这些任务时,避障是一种确保扑翼机器人安全的必要功能。本文设计了一种基于单目视觉的扑翼机器人自主避障系统,其中所有图像的处理计算均使用机载处理器实现。在这个系统中,机载处理器的质量被减至48 g,以便于扑翼机器人可以携带它稳定飞行。该系统的工作流程可以分为以下几步：首先,图像采集模块获取周围环境的视频图像;然后,机载处理器通过处理扑翼机器人第一视角的光流信息来计算方向舵角度和转弯方向;最后,飞控板接收计算结果并控制扑翼机器人避开障碍物。地面站对扑翼机器人飞行过程进行实时监测,实验结果验证了本文所设计的避障系统的有效性。     

机载火焰抑制器流通性能研究

受限于适航认证工作的相关要求及我国航空技术相对落后的现状,国产机载火焰抑制器的研制开发起步较晚。通过对机载火焰抑制器压力降产生的原因进行分析,提出一种适合计算机载火焰抑制器压力降的方法,在与实验结果对比并验证该方法正确性的基础上,根据某型机载火焰抑制器技术要求,分析在空气流动和燃油溢流情况下不同特征尺寸阻火单元的压力降,并探讨各个因素对机载火焰抑制器压力降的影响。结果表明:本文关于机载火焰抑制器流通性能的研究可为其工程设计、计算和选择提供有益的参考。     

小直径杆式应变天平轴向力元件设计问题的探讨

在小直径风洞中由于模型尺寸的限制,飞行器的全弹(箭)测力试验必须使用内置小直径杆式天平,其直径往往小于20mmm.横向布置的轴向力元件显著降低了天平的局部刚度,致使轴向力元件的尺寸、相对位置和结构形式共同决定了干扰输出特性.在给出了FD-07风洞使用的两支Φ20mm杆式应变天平静校结果中的轴向力分量干扰输出情况后,通过有限元计算结果分析了造成两支天平轴向力单元干扰输出差别悬殊的原因,指出了真实边界条件对轴向力测量元件设计的显著影响.针对小直径杆式天平提出了降低轴向力单元干扰输出的既简单又有效的两种设计方法.     

小电流测量单元校准技术研究

在电子、航空航天领域及型号工程中小电流测试设备（如静电计、皮安表、源/测量单元、半导体精密分析仪等）,发挥着极其重要的作用,其电流测量分辨力达到fA级,接近其物理极限值。对这些高灵敏度、高分辨力的精密小电流测量仪器进行参数校准是一项新的计量难题。本文使用Fluke公司5440B型直流电压源和自行研制的高值电阻器,构成测试平台,可以对Keithley公司6517B型静电计（20pA～2μA电流量程）进行自动校准。软件采用Visual C++ 6.0利用校准算法对测量结果进行分析,解决了小电流测量单元校准的计量难题。     

关于电磁场的自然单元法

有限元法和无网格法在电磁场数值计算中已经得到了广泛的应用,然而有限元法存在前处理网格剖分问题,无网格法存在计算时间长、边界条件和不连续面难处理等问题。针对以上问题,本文提出了利用自然单元法求解电磁场的方法,该方法根据场域中的离散点的信息构造自然邻点插值函数,最后算出场值。通过算例证明了该方法在电磁场计算中的可行性。     

移动电子设备相变热控单元热性能的数值仿真

采用相变材料(PCM,Phase Change Material)的热控制单元(TCU,Thermal Control Unit)可以很好地实现对可移动电子设备的热控制,避免设备过热而引起的热故障.建立了分析TCU热性能的二维数学模型,并进行了数值计算.结果表明:加肋和填充泡沫-PCM复合材料的设计方案可以显著提高TCU热性能,能很好地满足电子元件的工作要求.此外,还对加肋和填充泡沫-PCM提高TCU性能的效果进行了比较,结果表明:填充泡沫-PCM复合材料的方案更具优势.所得结论对移动电子设备TCU的设计和优化有一定的指导作用.     

空间DSP信息处理系统存储器SEU加固技术研究

当前以高性能DSP为核心的信息处理系统被广泛应用于空间飞行器电子系统 中。DSP系统为实现大数据量信息处理,通常需要扩展其外部存储器。而存储器件在空间应 用中容易发生单粒子翻转（SEU：Single Event Upset）,使得存储器件中数据发生改变, 从而导致系统计算结果错误,甚至可能导致系统功能失效。在介绍信息处理系统存储器件SE U机理的基础上,针对DSP信息处理系统存储器的结构特点,提出了一种基于“反熔丝型PROM +TMR加固设计FLASH+EDAC加固设计SRAM”结构的存储器SEU加固设计方案,并进行了原型实 现。实验分析表明该设计具有较好的抗SEU性能和较强的实时性,可以为同类型的空间信息 处理系统设计提供参考。
     

基于CUDA的椒盐噪声自适应中值滤波算法

针对传统中值滤波算法的优缺点,结合椒盐噪声的特征,提出了一种有效的自适应中值滤波算法。首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后根据窗口内噪声点的个数自适应地确定滤波窗口的尺寸,仅对噪声像素进行中值滤波。但随着噪声密度和图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在CUDA平台中实现了算法。实验结果表明,所提出的算法能够有效地去除椒盐噪声、保留边缘和细节,并且能显著缩短计算时间,随着噪声密度和图像规模的增大,最大加速比达到6 000倍。