基于旋转变压器数字转换器模块的角度信号测量仪

在介绍旋转变压器数字转换器结构、特性和工作原理的基础上,详细分析了用XSZ旋转变压器数字转换器模块设计角度信号测量仪的设计思路和电路实现方法。     

基于神经网络的飞行器总体优化设计

针对经验公式存在的精度低、适用范围受限的缺点,采用广义回归网络代替经验公式计算气动特性,并将其嵌入到优化设计流程之中,提出了一种基于神经网络的飞行器总体优化设计方法。神经网络的训练样本输入、输出数据通过试验设计和涡格法计算得到。以高空长航时无人机为例,选取航时与机翼结构重量系数作为目标函数,应用所提出的方法进行总体优化设计。计算结果表明,提出的方法是可行的,能够满足设计要求,同时降低优化过程的复杂程度,减少迭代次数。     

电阻应变传感器的补偿技术

电阻应变传感器在实际工程中应用很广,但由于元件材料本身和结构形式、工艺、应变计性能及粘贴等原因,还会由于温度变化而产生零点漂移而产生误差,本文对其补偿技术进行分析.     

基于衬底偏置的超低耗电流复用混频器

基于SMIC 0. 18μm 1P6M CMOS工艺,设计实现了一种工作在0.6V超低电源电压下的混频器.该混频器跨导级采用自偏置的互补跨导结构,并与开关级构成折叠结构,大大降低了电源电压;电路中所有的MOS管衬底均加有固定偏置电压,减小了MOS管的阈值电压,实现了超低电压超低功耗的设计;并采用电流复用技术,改善了电路的噪声性能,并提高了其转换增益和线性度.该混频器核心电路尺寸为460μm×400μm,当射频信号、本振信号和中频信号分别为1575MHz,1400MHz和175MHz时,仿真表明,该混频器转换增益(G_c)为6.1dB,双边带噪声系数为14dB,输入1dB压缩点为-16.67dBm,在0.6V的电源电压条件下,功耗仅为0.76mW,可用于航空航天领域的电子系统中.     

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.      

具有输入约束的飞机姿态L1自适应控制

针对具有模型不确定性、控制舵面故障以及非线性干扰的飞机俯仰姿态控制问题,基于L1自适应方法设计增广控制器。设计合适带宽的低通滤波器,以满足控制器快速自适应要求,保证系统输入输出信号的一致性能有界。考虑伺服控制实际存在的幅值约束,推导出所设计的自适应控制系统的稳定性条件及其性能界,即忽略幅值约束时,选择足够大的自适应增益,闭环系统性能能够任意接近参考系统;考虑幅值约束时,闭环系统的性能可以通过增大自适应增益得以改善,但是不能任意接近参考系统。仿真验证了所设计的飞机姿态控制系统的有效性,结果表明控制器对有界不确定性和干扰具有鲁棒性,同时满足输入约束要求。     

基于BP神经网络的国防企业技术创新能力评价

结合自组织理论提出了国防企业技术创新评价体系,构建了BP神经网络模型,运用MATLAB软件进行了模型仿真.研究发现仿真结果与专家评价结果基本一致.可见,运用BP神经网络方法对国防企业技术创新能力进行评价有一定的通用性、便捷性和实用性.     

基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

车载平板动卫通三轴稳定机理研究

针对车载平板动卫通系统中稳定隔离载体姿态变化问题,通过对三轴稳定机理的分析研究,提出了"方位、俯仰机械补偿,极化电子补偿"的三轴稳定结构,仿真结果表明"方位、俯仰陀螺安装在天线俯仰转台,极化陀螺安装在天线方位转盘或俯仰转台"两种自稳定结构能提供良好的陀螺工作环境并具有较为简洁的隔离载体姿态变化补偿表达式,具有一定的工程理论指导意义.     

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.