压力传感器动态特性参数不确定度评定

压力传感器动态特性参数的不确定度是表征其动态测量性能的重要指标。提出了一种压力传感器动态特性参数的不确定度评定方法。首先,使用激波管动态校准系统产生阶跃压力信号激励压力传感器,得到传感器的输出信号;其次,采用基于经验模态分解（EMD）的传感器输出信号预处理方法,减小动态校准过程中噪声的影响;然后,根据传感器的输入输出信号,采用自适应最小二乘法建立压力传感器的数学模型,进而得到其时频域动态特性参数;最后,针对重复校准实验得到的动态特性参数序列的小样本特点,采用自助法计算参数的扩展不确定度和相对不确定度。采用激波管系统对压力传感器进行多次重复动态校准实验,计算时频域动态特性参数的不确定度,并与现有方法进行对比。实验结果表明:本文方法可以弥补贝塞尔法在处理小样本量数据中的不足,且与蒙特卡罗法的不确定度评定结果相对误差小于10%,说明本文方法可以有效地评定压力传感器动态特性参数的不确定度。分析时频域动态特性参数的相对不确定度得到传感器的工作频带和超调量受噪声的影响较大,为动态校准实验条件的改善提供了重要依据。      

浅析GE90-115B发动机引气系统PRSOV故障

以GE90-115B发动机引气系统常见故障为基础,总结了引气系统部件航线常见故障的排故经验。基于发动机引气系统各部件的工作原理,通过对故障现象的分析,制定了详细的排故流程,可作为排除同类故障时的参考。     

一种双冗余LVDT式位移传感器设计

介绍了一种双冗余LVDT式位移传感器及其变换电路。传感器运用差动变压器式工作原理,采用串联冗余结构形式,实现了结构串联、功能并联的双路冗余线位移测量。测量参数采用数字拟合的方法,解决了串联双冗余LVDT位移传感器的固有特性决定的线性度较低、无法满足系统任务指标要求的问题,提高了测量信号的线性度、系统的控制精度,缩短了调试周期,提高了效率,满足了新一代控制系统高可靠性的要求。     

新型宽带SiC功率器件在电力电子中的应用

新型宽带SiC功率器件由于其突出的性能优势在电力电子领域得到了广泛应用。首先介绍了SiC功率器件的发展现状,其次阐述了其性能特点,最后给出了SiC功率器件目前在新能源、民用输配电、航空航天等场合的应用情况,指出了SiC器件在电力电子领域的应用前景。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

CMOS星敏感器图像驱动及实时星点定位算法

利用CMOS图像传感器技术的低功耗和开发简单等优点,设计了新型CMOS星敏感器的图像采集驱动电路.该电路设计以现场可编程门阵列(FPGA)为核心,配以静态存储器和并口通讯功能,实现了图像的采集、存储和输出.同时根据4连通域图像分割的原理,在FPGA内部设计了一个数字电路模块,以实现该星敏感器的实时星点定位功能.该模块由于采用了流水线结构,可以和图像采集同步完成星点质心定位算法,减少了向星敏感器数据处理单元中的精简指令集计算机(RISC)的数据传输量和RISC进行星图跟踪和识别的工作量,提高了星敏感器的总体工作性能.对比软件处理结果,对星敏感器的图像采集和质心算法硬件电路进行了验证.     

综合路由的无线传感器网络覆盖调度

利用目前公认为理论上最好的无线传感器网络集中式覆盖控制算法MCLC(Most-Constrained Least-Constraining),结合DD(Directed Diffusion)和LEACH(Low Energy Adaptive Clustering Hierarchy)路由协议,基于节点最小剩余能量调度覆盖集,观察最小剩余能量不同选取对节点能耗和均衡性以及网络生存期的影响.研究能耗均衡性和网络生存期的关系,提出了一种新的一般性能耗均衡的覆盖集调度的方法.仿真结果表明:所提方法可以有效提高网络生存期,同时为设计覆盖控制算法和覆盖集调度策略提供理论指导.      

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。