萤火一号火星探测器轨道设计与科学探测事件分析

针对萤火一号火星探测器在2011年发射窗口的轨道进行初步设计.在此基础上,分析了萤火一号火星探测器绕火星飞行的轨道特性,预报其穿越火星弓激波和磁堆积区域、CCD相机拍照时刻,其与深空站进行星-地掩星试验和与俄罗斯Phobos-Grunt火星探测器进行星-星掩星试验的时刻.结果表明,萤火一号火星探测器在与俄罗斯Phobos-Grunt分离后一年的环火飞行时间里,存在大量的科学探测机会.     

平面-抛物面型薄膜天线形面及温度分析

为了解决星载天线的大口径与运载工具整流罩有限体积, 以及星载天线的重量与卫星平台和运载工具承载能力之间的矛盾, 充气可展开结构技术是非常理想 的选择. 为实现高精度反射面, 针对平面-抛物面型充气可展开天线反射面, 进行弹性力学分析, 得到反射面与充气气压、薄膜材料、边界条件之间的关系, 以及形 面和抛物面间存在的M形误差. 在此基础上, 探讨了天线在轨时温度变化对反射面 形面的影响, 提出了消除这种影响的两种方法. 利用ANSYS分析结果对理论解进行验证, 结果吻合.     

航天飞机的"铠甲"

今年2月1日，美国的哥伦比亚号航天飞机发生机毁人亡事故后，人们从专家对事故原因的分析中认识了一种少听说的科技产品——防热瓦（隔热瓦）。其实，从投入使用的第一天起，防热瓦就已经成为航天飞机一种不可缺少的“铠甲”，20多年来，它一直在为航天飞机“保驾护航”。当年驾驶哥伦比亚号航天飞     

加速度计参数变化建模方法

通过归纳工程上常用数据建模方法及其应用特点,且结合贮存条件下加速度计零偏和标度因数试验测量数据变化规律,综合给出了建立零偏时间序列模型和标度因数回归模型的详细步骤,并据此建立了贮存条件下加速度计零偏和标度因数的变化模型,所建模型预测的数据与真实数据相比误差很小,充分验证了模型的有效性.所建模型真实地反映了零偏随机性变化规律和标度因数趋势性变化规律的特点,可以为加速度计零偏和标度因数随时间变化的补偿模型提供参考,为加速度计参数长期变化稳定性水平评价提供手段.     

基于双响应波段工作的红外热像仪测温原理与误差分析

为了提高红外热像仪测温的准确性,根据红外辐射理论,从红外热像仪的测温原理出发,分析了基于双响应工作波段的热像仪的测温原理,得出了目标物体的发射率、物体温度计算公式以及相应误差的估算公式,分析了各影响因素对热像仪测量准确度的影响,提供了一种目标物体发射率的测定方法,对利用红外热像仪准确测量内燃机等热能机械表面温度具有重要的意义。     

基于新型C4D的小管道气液两相流流型辨识方法

基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。     

太阳电池瞬态非线性温度场的精细算法

利用精细时程积分法和状态空间转移法，提出了计算空间飞行器太阳电池阵瞬态非线性温度场的非线性补偿法，它能够计算太阳电池阵在轨飞行时的温度场，具有收敛性好、稳定性好、计算精度逼近精确解、可以取较大的时间步长等特点。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

多关节坐标测量机结构参数的校准

多关节坐标测量机末端测头的位置准确度主要受各杆件结构参数误差的影响,为提高多关节坐标测量机的测量准确度,必须对各杆件的结构参数进行校准。首先应用ＤＨ 分析方法,建立了多关节坐标测量机的运动学模型,然后提出了一种简单、快速的单点 多姿态校准方法,运用全微分、最小二乘法和迭代算法等数学方法,建立了校准模型。实验表明,该校准方法适合于多关节坐标测量机结构参数真值的获得,并可极大地提高测量机的位置准确度。     

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.