面向火星临近空间的分布式中继纠删编码机制研究

火星探测极远的通信距离以及行星遮挡,使得探测车与地面站的通信需要构建火星临近空间网络传输信息。为保证数据传输的可靠性并提高传输效率,重点研究基于分布式前向纠删编码的多个火星探测车通过中继轨道器向地面站传输的场景。考虑探测节点的周期性加入和退出的特性,设计了源节点使用弱鲁棒孤波LT码,中继随机转发/异或的中继随机决策编码方案,并推导了转发概率的理论最优值。仿真验证了新方案与已有的分布式喷泉方案相比,降低了约50%的信源编码开销,并通过复杂度与译码冗余的折衷,达到了99.9%的译码成功率。     

多无人机同时到达的分散化控制方法

多无人机(UAV)同时到达是典型的协同控制问题,在编队飞行、协同攻击中都有应用。以多无人机协同多目标攻击为应用背景,对多无人机同时到达问题进行了研究。考虑到战场环境的动态性和不确定性以及无人机自身的特点,提出一种适用于多无人机同时到达的分散化控制方法,其内容包括仅依靠局部信息交互的分散化控制结构和基于一致性算法的分散化控制策略。为方便操作员控制无人机群体的整体行为,分别设计了引入外部参考信号和虚拟Leader的分散化控制策略。根据路径规划和速度控制的不同特点将二者结合起来,利用它们的互补优势来应对路径误差和突发威胁等不利因素的影响。仿真结果表明,本文提出的分散化控制方法能够实现多无人机同时到达,并且具有很好的灵活性、鲁棒性、可靠性和可伸缩性。     

航空发动机分布式控制系统指数稳定性分析

建立具有时延与数据包丢失的航空发动机分布式控制系统模型,模型为一类异步动态系统,基于Lyapunov第二法和线性矩阵不等式方法推导了系统的指数稳定性判定定理,根据该判据可以得到分布式控制系统的指数稳定意义下的状态反馈控制律,数字仿真说明了该判据的有效性.      

小卫星编队飞行及其轨道构成

由若干颗小卫星编队飞行组成一个分布式卫星 ,其功能相当或超过一颗大卫星 ,也称为虚拟卫星 ,这将开拓小卫星一个完全崭新的应用领域。文章首先论述编队飞行概念和轨道构成 ;其次讨论虚拟卫星可能的应用实例。     

FIR数字滤波器的优化设计

针对常系数FIR数字滤波器,采用CSD编码和简化加法器图技术来减少FIR实现过程中乘累运算的加减次数,从而降低了其对硬件资源的消耗;在结构上采用分布式算法和流水线技术进行优化,显著的提高了FIR数字滤波器的工作速度。通过实例对每一种改进方法进行了对比验证,说明达到了节省芯片资源或提高实现频率的目的。     

涡轴发动机分布式控制系统传感器故障诊断技术

为满足航空发动机分布式控制系统的故障诊断需求,重点解决分布式控制系统中总线通信时延对传统故障诊断措施效果的影响,提出了一种新的航空发动机分布式控制系统故障诊断方法.针对航空涡轴发动机,搭建了包含随机时延的分布式控制系统数学模型,利用等价空间法(PSM)设计故障诊断滤波器组.并将改进的故障诊断方法与传统的基于Kalman...     

回热式工质驱动分布式推进系统参数研究

为研究以回热后的压气机引气驱动推进器风扇的工质驱动分布式推进系统（Recuperated Gas-Driven Distributed Propulsion,RGDDP）,对其热力循环过程和能量流动展开研究。基于部件法建立了推进系统的设计点计算模型,分析了引气参数和推进器风扇压比对推进系统耗油率的影响,在此基础上,分析了推进系统耗油率对部件效率的敏感性。在不同循环参数下与涡轮电分布式推进系统（Turbo-electric Distributed Propulsion,TeDP）的耗油率进行了对比,得到了RGDDP的热力循环特征。结果表明,引气参数存在最优组合使得推进系统的耗油率最低,同时耗油率对能量传输相关的部件效率敏感性最高;与TeDP相比,涡轮前温度对推进系统的耗油率影响更大,而总压比的影响较小;总涵道比为20时,相对于TeDP,RGDDP具有一定耗油率收益,随着总压比的升高收益降低,总压比为66时仍有3%左右的收益。提高RGDDP总体效率的关键在于降低能量传输过程中的损失并提高换热效率。     

分布式光纤传感器的现状及发展趋势

介绍了目前分布式光纤传感器的主要研究方法和技术动向,并展望了其发展趋势。     

基于高频激励的高精度交流电桥测温系统研究

为实现对原子气室温度的高精度测量,同时避免测温电路产生的直流磁场或低频磁场对原子自旋系综运动状态的影响,设计了一种基于高频激励的交流电桥温度测量方法。首先,建立了测温电路的数学模型,并对模型中各元件参数之间的内在联系进行了分析。其次,对测温电路进行了灵敏度分析。然后,针对力学环境微小扰动对测温电路中导线分布参数的影响,优化设计了测温电路中相关元件的参数。最后,实验数据表明,优化后的交流测温系统测温稳定性提升了1个数量级。     

Adapitive waveform design for distributed OFDM MIMO radar system in multi-target scenario

In order to improve detection and estimation performance of distributed Orthogonal-Frequency-Division Multiplexing (OFDM) Multiple-Input Multiple-Output (MIMO) radar system in multi-target scene, we propose a novel approach of Adaptive Waveform Design (AWD) based on a constrained Multi-Objective Optimization (MOO). The sparse measurement model of this radar system is derived, and the method based on decomposed Dantzig selectors is applied for the sparse recovery according to the block structures of the sparse vector and the system matrix. An AWD approach is proposed, which optimizes two objective functions, namely minimizing the upper bound of the recovery error and maximizing the weakest-target return, by adjusting the complex weights of the emitting waveform amplitudes. Several numerical simulations are provided and their results show that the detection and estimation performance of the radar system is improved significantly when this MOO-based AWD approach is applied to the distributed OFDM MIMO radar system. Especially, we verify the effectiveness of our AWD approach when the available samples are reduced severally and the technique of compressed sensing is introduced.