一种无人机通用综合检测系统

为了增强无人机系统检测控制设备的通用性,提高检测精度,设计了一种基于面向仪器系统的PCI扩展(PXI)总线及虚拟仪器(VI)的无人机通用综合检测系统.针对无人机系统工作的特点,从功能设计、体系结构、软硬件设计等方面对该系统的通用性进行了探讨.该系统采用了虚拟仪器技术,硬件设计采用PXI体系结构,软件以LabWindows/CVI作为开发平台.通过配备不同的接口适配器和对软件参数设置进行相应更改,可适用于不同型号的无人机电气、舵机、发动机、起飞和回收等系统检测.同时提供矩阵输出,利用系统资源满足无人机各种信号测试/激励的需求.该系统已成功应用于某复杂型号无人机的地面综合检测.      

FY-4闪电成像仪实时事件处理器(RTEP)的FPGA设计研究

闪电是中尺度,特别是中-γ尺度天气系统研究的有力工具。闪电成像仪主要利用4种方法 组合来实现闪电信号的增强与探测。这4种方法是:光谱滤波、空间滤波、时间滤波、帧-帧背景去除。实时 事件处理器(RTEP)是实现帧一帧背景去除的最为有效的手段,它是提取闪电信号的重要途径。实时事件处 理器是一个实时数字信号处理系统,在2ms的时间内要完成12 bit量化的512×512个像素的信号数据处理, 探测出闪电信号。文章论述了实时事件处理器RTEP的必要性,实现原理,以及FPGA实现方案。     

基于卫星图像数据的服务器负载策略

文章介绍了卫星数据图像的存储,论述几种集群服务器的负载策略,提出一种自适应的负载均衡策略,并对以往策略进行了对比。对分布式分包路由(DPR)技术作了深入的分析,作者在测试评估的过程中,给出一种新的集群服务器方案。     

脉冲爆震发动机(PDE)引射增推装置试验

PDE设计了两种结构的排气引射增推装置,通过对两种结构排气引射增推装置的试验对比,研究了排气引射增推装置对PDE推力贡献,试验结果表明在合理的结构设计下,采用排气引射增推装置可使PDE平均推力增加50%左右。理论分析了排气引射增推装置的工作机理,及不同结构参数对PDE排气引射增推装置的影响,为PDE排气引射增推装置优化设计提供了理论和试验依据。      

连续变速颤振试验信号处理的递推时频分析方法

针对连续变速颤振试验信号的非平稳特点及在线分析需求,提出了一种递推时频分析方法。该方法利用自适应算法跟踪一个时变系统,从而获得具有时变系数的参数化数学模型,进而可得到信号的时变参数谱。数值仿真结果证明了该方法的可行性与优越性,低速风洞气弹模型的连续变速颤振试验验证了该方法的工程应用前景。     

一种利用功率反演和线性约束最小方差算法的自适应天线

介绍了一种新的基于功率反演和线性约束最小方差的算法,以高度抑制GPS接收机的干扰信号。这种结构通过提调整天线阵列的权值,实时地接收并改变来自各方向的GPS信号,同时对不同方向的干扰信号有高的抑制比。对固定和移动的干扰都做了仿真,仿真表明这种结构有很深的零点,对固定干扰信号的抑制比可达到115dB,对移动干扰信号的抑制比可达到94dB。     

基于BP神经网络的零件成组技术的研究

提出了一种基于BP神经网络的零件分类方法。通过200个典型零件样本对神经网络进行训练和测试,证明该基于BP神经网络的零件分类成组系统可实现零件的准确分类成组。     

基于一次性突发原则的TTE网络实时性能优化

确定性通信的发展，促进了时间触发概念的引入。时间触发以太网（TTE）通过提供3种流量类别来支持混合安全性的实时应用:时间触发（TT）流量，具有完全的时间确定性；速率约束（RC）流量，具有确界的端到端延迟；尽力传（BE）流量。如何实现时间触发机制下RC流量实时性能的紧性分析，仍然是决定TTE网络顺利应用的开放式问题。在FIFO服务策略的假设下，将“一次性突发原则”的分析方法引入到TTE网络中，以观察该原则在时间触发网络性能分析中的影响。不同于航空电子全双工以太网（AFDX），具有更高优先级的TT流量会对RC流量的延迟分析产生关键影响，从而导致一次性突发分析的复杂性。通过建立聚合TT流量在及时阻断模式下的到达曲线模型，从而获得单条RC流量端到端的服务曲线模型，基于此实现了RC流量的最坏情况端到端延迟（WCD）评估，进一步完成了一次性突发原则下的分析对比。相较于已有工作，一次性突发原则可以得到RC流量更精确的最坏端到端延迟上界评估结果，有助于改善TTE网络性能评价紧性。通过A380拓扑组网案例的对比分析，相比于传统方法，所提方法RC流量平均延迟减少了12.05%。      

应用于智能芯片的可视化反馈系统研究

当前，市场上普遍使用的负责推理的终端人工智能（AI）芯片使用训练好的参数对数据进行快速高效运算。但在通常训练过程中使用的数据集和真实数据的分布不一致，由此获得的参数会导致终端AI芯片识别准确度降低。为此，提出了一种基于终端AI芯片的可视化反馈系统架构方法。使用反卷积特征可视化方法，在具有高效计算性能的终端AI芯片上，对卷积核参数进行迭代优化，达到可识别该图像目的。相比于CPU/GPU和FPGA，所提架构在卷积神经网络模型里，更具有高效处理能力和灵活可塑性。实验表明，该研究有效提高了终端AI芯片的普适性、识别准确度和处理效率。