光纤陀螺随机漂移的数据采集成模型辨识

本文采用ＳＴＤ工业控制机和通用ＰＣ机设计开发了高精度、低成本、多适用性的漂移数据自动采集系统，重点了高精度测频和多位数据通讯误码问题。本文对随机样本数据进行预处理分析后，采用逆函数矩估计法进行参数估计，采用条件非线性最小二乘法进行参数精估计，建立ＡＲＭＡ模型。结果表明，光纤陀螺随机漂移误差模型为ＡＲＭＡ（１，１），可分角为一个独立的高斯白噪声和一个时间相关的一阶马尔可夫过程，相关时间４６称，这是见     

捆绑火箭竖立状态下地面风激振动模型风洞试验研究

火箭竖立在发射台上时的地面风激振动载荷是火箭尾段结构的设计状态。本文是捆绑火箭的地面风激振动的风洞试验研究的部分结果。文中介绍了地面风载荷模型风洞试验的原理、模型相似要求,以及模拟试验技术、试验方法与数据处理等。并讨论了助推器、外表面突出物与鼓包不对称分布的影响等。     

MiG-23／27“鞭鞑者”系列战斗机PART.1

被西方称之为“鞭鞑者”（Flogger)的MiG-23是米格家族里的第三款声速战斗机，与MiG-25同属俄制第三代战斗机，虽然它的制造数量和知名度不如其前辈MiG-21“鱼窝”（Fishbed)系列，不过，作为第一款变后掠翼俄制战斗机，加上得MiG-23系列高达5047架的总生产量、出口超过2000架、20余个国家使用等优异纪录，使得“鞭鞑者”战斗机在现代战斗机发展史中占有着重要地位。     

光学太阳反射器的性能评价试验规范

航天器在地面待发射期间和空间实际飞行过程中，热控元件光学太阳反射器要遇到各种地面和空间环境，为了航天器的可靠和长寿命，必须对所制备的ＯＳＲ涂层进行各种地面和空间环境试验并对其各项性能检验与考核，该文就这一系列试验的目的和规范进行了讨论。     

模拟地球同步轨道辐照环境对光学太阳反射镜性能的影响

研究了模拟地球同步轨道辐照环境对卫星用温控涂层-光学太阳反射镜(OSR)性能的影响。对所研制的两类OSR 片进行的辐照试验项目有,真空紫外辐照、低能电子和两种能量的质子辐照。此外还进行了等离子体环境条件下的表面充/放电效应试验。经过相当于安装在地球同步轨道卫星南北极位置处,在空间七年所受到的电子、质子和紫外辐照总剂量的辐照后,导电型OSR 的太阳光谱吸收率α_s 由0.068增加到0.078,法向发射率ε_n 由0.83降低到0.72;而非导电型OSR的α_s 由0.066增加到0.085,ε_n 由0.82降低到0.76。表面充/放电试验的结果表明:导电型OSR 的充电电位仅在15～40V 之间,而非导电型OSR 的充电电位则可高达13kV。因此导电型OSR能有效地控制表面的充/放电现象。     

永磁有限转角力矩电机的仿真与实验

随着多电飞机的快速发展及成附件轻小化、高效能的迫切需求,有限转角力矩电机(Limited Angle Torque Motor,LATM)在飞机引气系统中的应用日益迫切。一方面,有限转角力矩电机可以显著简化高温引气控制阀结构、减小体积;另一方面,可以基于系统需求实现引气压力和温度按需调节,减少燃油代偿损失。针对高温有限转角力矩电机工作特性不易预测的难题,建立了其数学模型、仿真模型,并通过实物试验验证了仿真模型的准确性。研究结果为有限转角力矩电机特性研究提供了参考依据。     

基于轨道动态模型的星间链路测距随机误差测试方法

在轨道动态条件下卫星相对运动中细微的时间检测偏差将导致测距误差大幅增加,因此精确地测量此时卫星的相对距离准确度(即测距随机误差)是卫星测距功能地面测试的难点。文章提出距离动态情况下星间链路测距随机误差的测试方法,即建立轨道动态模型模拟在轨卫星动态工作场景,分析卫星地面测距模拟理论值的准确度影响,得到被测卫星的星间测距随机误差计算方法。对星间链路实测测距值进行测试及验证,测距随机误差低至0.027 m,与星间链路实测数据吻合较好,获得了轨道动态条件下星间测距随机误差更真实的测试结果。     

航天器用4211环氧树脂体系湿热老化试验与贮存寿命评估

针对航天器用4211环氧树脂体系材料在地面贮存过程中无成熟寿命评估方法可借鉴以及受时间限制无法采用自然老化法获得贮存寿命的问题,采用加速老化试验的方法研究了其湿热老化性能,建立了湿热老化寿命模型,并利用该模型对4211环氧树脂体系的贮存寿命进行了预测。结果表明：温湿度对4211环氧树脂体系材料的力学性能影响较大,拉伸试样表面形貌及断口形貌在老化试验前后未发生明显变化;材料在加速湿热老化试验过程中没有生成新的官能团;以拉伸强度指标推算出4211环氧树脂体系在温度为20℃、相对湿度为60%条件下的贮存寿命为6.1年。     

基于太阳黑子群数据的多模态太阳耀斑预报模型

当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预报中数据利用不充分的问题,文章将海量太阳观测数据与先进的人工智能技术结合,综合利用太阳活动区磁场观测图、磁场特征参量和对应的耀斑事件标签,并借助全连接神经网络高精确率以及卷积神经网络高召回率和可有效提取高层语义信息的优点,构建基于深度学习的多模态太阳耀斑预报模型。实验证明该模型的主要评价指标结果比其他模型至少提高7.8%。