带减振器的光纤陀螺惯导系统有限元仿真建模方法

以某光纤陀螺捷联惯导系统的IMU单元为研究对象,利用有限元分析软件包Patran/Nastran建立了含减振器的IMU系统有限元模型。重点介绍了有限元模型中减振器的等效处理方法,比较了模型的随机振动响应计算结果和样机振动试验的实测结果,两者的误差在3.2%以内,证明了有限元建模过程中所使用的减振器等效处理方法的合理性。     

一种基于参数辨识的微小型无人直升机建模方法

 针对具有高度非线性、复杂动力学特性的微小型无人直升机,提出了一种基于参数辨识的建模方法。该方法结合了机理建模和系统辨识的优点,通过严格的机理推导建立了微小型无人直升机横纵向通道通用的参数化模型,建模过程着重考虑了主旋翼、平衡杆和机身的耦合对飞行动态特性的影响。利用基于偏相干分析法的频域辨识获得某型无人直升机的关键参数,进而确定模型。模型预测数据和飞行试验数据的比较表明,所建模型很好地反映了该型无人直升机在悬停状态下的动态特性,可以在该状态下以此模型进行自主飞行控制器设计。     

考虑微加工误差的微机械陀螺的健壮性优化

 为减小微加工误差对音叉振动式微机械陀螺设计性能的影响、提高其批量性能稳定性,以对其加工后性能变异影响最大的若干关键参数为设计变量,在分析了几何约束条件、模态性能约束条件、基于模态的加工灵敏度约束条件的基础上建立了微机械陀螺健壮性优化的数学模型。在无需事先知道微机械陀螺尺寸／性能的详尽统计信息的条件下,采用一阶摄动技术和遗传算法实现了微机械陀螺的健壮性优化设计。     

线性调频连续波SAR成像算法研究

研究了线性调频连续波SAR的距离徙动算法成像.针对线性调频续波SAR的特点,在STOP AND GO近似成立的条件下,讨论距离徙动算法的实现过程.STOP AND GO近似失效时,通过补偿线性调频连续波SAR连续运动引入的多普勒频移,提出了改进,并给出仿真验证.     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上,提出了基于距离像熵和距离像对比度的速度估计算法,详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后,基于这两种算法又提出了复合速度估计算法,大大提高了速度估计精度。     

首颗自主地月转移微卫星“龙江二号”

本文对世界首颗独立完成地月转移、近月制动、环月飞行的微卫星“龙江二号”进行了介绍。首先阐述了龙江二号的任务目标和总体方案;然后重点分析了轨道设计与控制、复杂电磁干扰的标定与抑制、宽视场三维基线干涉测量等关键技术难点;接着回顾了任务的实施过程;最后详细介绍了低频射电探测仪、沙特光学相机和VHF/UHF通信模块与学生微型CMOS相机等有效载荷,并展示了上述载荷获取的初步成果。     

一种针对局部结构的有限元模型修正方法

针对实际结构有限元模型（FEM）的建模误差通常仅存在于局部区域,提出了一种对局部结构单独进行模型修正的方法。首先,根据频响函数（FRF）解耦理论得到由残余结构频响函数与包含待修正参数的局部结构动刚度所重构的整体结构频响函数的拟合值,然后通过迭代优化使其与测量值的残差最小化,从而得到参数的极大似然估计。在此基础上,将残差关于参数的灵敏度以局部结构动力学矩阵表示,建立了模型修正的基本方程,利用整体结构的测试数据即可直接对分离出来的局部结构进行模型修正。最后,对喷气式飞机和三角机翼飞机分别进行了数值模拟和实验研究,验证了所提方法的可行性和有效性。结果表明,所提方法可以成功地用于仅局部区域含有建模误差的实际结构有限元模型的修正,修正后的有限元模型的动态特性与实际结构有较好的一致性。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

Using the radial basis function neural network to predict ionospheric critical frequency of F2 layer over Wuhan

Neural networks (NNs) have been applied to ionospheric predictions recently. This paper uses radial basis function neural network (RBF-NN) to forecast hourly values of the ionospheric F₂ layer critical frequency(f_oF₂), over Wuhan (30.5N, 114.3E), China. The false nearest neighbor method is used to determine the embedding dimension, and the principal component analysis (PCA) is used to reduce noise and dimension. The whole study is based on a sample of about 26,000 observations of f_oF₂ with 1-h time resolution, derived during the period from January 1981 to December 1983. The performance of RBF-NN is estimated by calculating the normalized root-mean-squared (NRMSE) error, and its results show that short-term predictions of f_oF₂ are improved.     

我国BPL时号的频率控制系统及结果分析

根据我国现行ＢＰＬ时号的频率控制系统,分析ＴＢＰＬ时号频率控制系统的缺陷,对目前ＢＰＬ时号的频率稳定性进行了评价,提出了一种新的频率控制方案。