步进电机和空心杯电机在导弹瞄准训练装置中的应用

介绍了导弹方位瞄准的特点；确定了瞄准仿真训练装置的结构组成和工作过程：讨论了用PLC控制步进电动机驱动模拟发射筒转动实现粗瞄，用空心杯电枢永磁直流电动机驱动反射直角棱镜转动实现精瞄的方法。     

CBERS-1卫星红外编码器

文章介绍了CBERS_1卫星上的重要设备之一———红外编码器的技术原理和实施效果。红外编码器完成了4个谱段图像数据和北极太阳定标数据的采集过程控制、模/数转换、接收OBDH送来的工程参数、产生的相对计数时间、复杂编码以及数据在不同工作模式下进行高速传输等工作 ,它是采用计算机方案设计实现操作的。     

基于双单片机结构的电子凸轮控制器的实现

本文介绍了一种适合两种旋转编码器、两开关量动作8路输出的电子式凸轮开关的设计方案。该控制器根据机械凸轮原理设计,以双单片结构为控制中心,对从旋转编码器输入其中的脉冲或编码进行数据采集和处理,将处理结果以开关电平的方式输出。该控制器可作为独立通用的控制单元与其它可编程控制器组合使用,使应用系统的开发工作量显著降低,适用于具有循环往复、顺序动作特点的机电一体化设备中。     

基于光电编码器的电机变周期速度观测器设计

针对光电编码器在伺服系统应用中速度估计易受系统振动干扰和存在量化误差的问题,设计了一种基于变采样周期观测器的速度估计算法.通过观测器的积分运算抑制振动干扰;通过采样周期和光电编码器脉冲的同步,使量化误差最小;为了减小观测器离散域极点变化对算法性能的影响,保证变周期观测器在较大速度范围保持较高精度,给出了一种观测器增益系数的计算方法.实验表明该算法可以在保证动态性能的同时,有效抑制振动和量化误差引起的估计误差,提高速度估计精度.      

基于轴角编码器二阶跟踪微分的角加速度测量

角加速度是描述旋转机构工作状态的一项重要参数。常用压力或压电传感器测量角加速度的方法存在易受待测设备自身振动干扰的问题。本文基于高精度绝对式光电轴角编码器,提出采用二阶跟踪微分处理的方法,以准确测量发射车起竖臂工作过程中的角加速度。     

关于THALES二次雷达B通道编码器＋15V电源故障排除实例

一、概述 THALESZ．次雷达是我国民航从法国新近引进的航管二次雷达,现已广泛分布在我国近二十个机场,与原有的ALENIA和雷神等型号二次雷达形成管制区域双重覆盖,在民航空中交通管制领域起到了重要的作用。该雷达具有模块高度集成化,小型化,信号处理计算化,信号测试点较少,运行模块监控直观形象化等特点。     

基于深度神经网络的飞机结冰冰形预测模型

结冰是威胁航空飞行安全的重要因素,适航条例要求需要根据不同结冰工况开展结冰安全评估.由于飞机结冰过程十分复杂,快速预测结冰冰形仍是当前面临的重要挑战.基于深度置信神经网络(Deep belief net-work,DBN)及栈式自动编码器(Stacked auto-encoder,SAE)深度神经网络建立了一种高效的飞...     

卷积自编码器在非定常可压缩流动降阶模型中的适用性

为有效降低使用计算流体力学(CFD)方法的设计成本和周期，降阶模型(ROM)得到广泛关注。对于复杂的可压缩流动，使用本征正交分解(POD)等线性方法进行流场降维，需要大量模态才能保证流场重建的精度，采用非线性降维方法能够有效减少所需模态数。卷积自编码器(CAE)是一种由编码器和解码器组成的神经网络，能够实现数据降维和重构，可看作是POD方法的非线性拓展。采用CAE进行流场数据的非线性降维，同时使用长短期记忆(LSTM)神经网络进行流场状态的时间演化。对于不可压缩问题，使用自编码器和LSTM结合进行流场重构的方法已有较多研究，选择一维Sod激波管、Shu-Osher问题、二维黎曼问题和开尔文-亥姆霍兹不稳定性算例，测试该ROM对非定常可压缩流动的有效性，同时基于POD方法，在不同模态数下构造Sod激波管和黎曼问题的ROM作为对比。结果表明：对于非定常可压缩流动，CAE-LSTM方法能够在使用较少自由变量数的前提下获得较高的重构和预测精度。     

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。