监听时间对声纳浮标阵检查性搜索效能影响仿真

以方形声纳浮标阵检查性搜索为背景,研究了监听时间对声纳浮标阵搜索效能的影响,给出了仿真结果并对仿真结果进行了分析。基本结论为:声纳浮标阵的搜索效能随监听时间的增加而提高;只要开始监听,就可以取得比较高的搜索概率;监听时间的增加和搜索效能的提高不是简单的线性关系,而是大致可区分为快速提高期、平稳提高期和滞涨期3个阶段。应根据作战条件和作战要求合理确定监听时间。     

基于改进滑动时间窗口的国产民用飞机APM参数筛选研究

合适的飞行性能监测（APM）参数筛选方法可实现国产民用巡航飞机性能监控参数的高效筛选,为飞机性能分析计算提供可靠的数据基础。在无迹卡尔曼滤波（UKF）中引入 Sage-Husa 噪声估计器,构造自适应无迹卡尔曼滤波（AUKF）,利用 AUKF 对快速存取记录器（QAR）数据进行降噪;给出稳定巡航参数筛选的标准,采用改进滑动时间窗口算法对稳定巡航参数进行筛选,并通过国产 ARJ21 飞机的样本数据进行验证。结果表明：自适应无迹卡尔曼滤波算法能够提高数据的可靠性,改进滑动时间窗口算法使筛选效率提高约 50%。     

监测信号的同步处理

本文通过结合监测应用的实例，讨论了监测信号同步处理的一些问题。并提出采用同步处理的方法，将监测应用有机地结合起来，以建立一个完整的监测系统。     

基于Hadoop云存储高速公路远程视频监控系统的研究与设计

针对高速公路远程视频监控系统海量数据的存储问题,通过对Hadoop框架和HDFS分布式文件系统等云计算核心技术的分析和研究,提出了一种基于Hadoop框架的海量数据存储模型,并在此模型的基础上,研究并设计了基于Hadoop云存储的高速公路远程视频监控系统。该系统有效地解决了高速公路远程视频监控过程中遇到的海量数据存储管理问题,具有开发成本低、处理速度较快、操作简便、使用效果好等特点。     

耦合服役环境下高耐久性薄膜传感器裂纹监测

现有裂纹监测技术多存在耐久性差、虚警率高的问题。以物理气相沉积（PVD）薄膜传感器为研究对象,提出了提高其耐久性的方案,并检验了其在耦合服役环境下的监测性能。首先,选定了Cu作为使传感器耐久性最佳的导电传感层沉积材料,并采用离子镀氮化铝（AlN）薄膜和涂覆705硅胶对PVD薄膜传感器进行了封装保护;然后,综合考虑服役环境因素,编制加速环境谱,将经过封装的制备有薄膜传感器的试验件进行环境耦合加速试验;最后,对环境试验后的薄膜传感器开展疲劳裂纹监测试验,并将薄膜传感器监测结果与显微镜观察测量结果进行对比。试验结果表明：薄膜传感器能承受1 000 h严酷环境的考验,具有较高的耐久性和稳定性;环境试验后的薄膜传感器对裂纹变化敏感,PVD薄膜传感器的监测结果与基体裂纹扩展的实测信息相一致,PVD薄膜传感器的电位监测信号可以作为裂纹扩展状态和结构损伤程度的监测判据,PVD薄膜传感器可以实现对金属结构裂纹的定量监测,监测精度可达到1 mm。     

腐蚀环境下铜薄膜传感器金属结构裂纹监测

铜薄膜传感器在飞机金属结构损伤监测过程中,将长期面临大气腐蚀环境的影响。针对此背景,研究了铜薄膜传感器在腐蚀环境下的耐蚀性能,及腐蚀后的疲劳裂纹监测性能。首先,采用脉冲偏压多弧离子镀技术在不同弧电流和基体负偏压水平下制备了一系列铜薄膜,对其耐蚀性能进行了对比研究。结果表明,在弧电流60 A和基体负偏压250 V时沉积的铜薄膜耐蚀性能最佳。然后,结合耐蚀性能最佳的沉积工艺参数,在2A12-T4铝合金中心孔板试件上制备了同心环状铜薄膜传感器阵列,并开展了盐雾腐蚀试验。最后,对腐蚀试验后的铜薄膜传感器进行了疲劳裂纹监测试验。结果表明:铜薄膜传感器在腐蚀环境下具有良好的耐蚀性能,耐蚀时间达1 000 h;腐蚀试验后的铜薄膜传感器对裂纹变化敏感,能实现对裂纹定量监测,监测精度为1 mm,监测结果具有良好的可重复性。     

Force measurement using strain-gauge balance in shock tunnel based on deep learning

When a force test is conducted in a shock tunnel, vibration of the Force Measurement System (FMS) is excited under the strong flow impact, and it cannot be attenuated rapidly within the extremely short test duration of milliseconds order. The output signal of the force balance is coupled with the aerodynamic force and the inertial vibration. This interference can result in inaccurate force measurements, which can negatively impact the accuracy of the test results. To eliminate inertial vibration interference from the output signal, proposed here is a dynamic calibration modeling method for an FMS based on deep learning. The signal is processed using an intelligent Recurrent Neural Network (RNN) model in the time domain and an intelligent Convolutional Neural Network (CNN) model in the frequency domain. Results processed with the intelligent models show that the inertial vibration characteristics of the FMS can be identified efficiently and its main frequency is about 380 Hz. After processed by the intelligent models, the inertial vibration is mostly eliminated from the output signal. Also, the data processing results are subjected to error analysis. The relative error of each component is about 1%, which verifies that the modeling method based on deep learning has considerable engineering application value in data processing for pulse-type strain-gauge balances. Overall, the proposed dynamic calibration modeling method has the potential to improve the accuracy and reliability of force measurements in shock tunnel tests, which could have significant implications for the field of aerospace engineering.     

基于LabVIEW和光纤传感器的液漏监测系统设计

针对传统液漏传感器检测精度低、空间分辨率小以及不能实时监测多点位液漏等问题，利用LabVIEW设计了一个基于光纤传感器的液漏监测系统。整个系统包括传感器和上位机两个部分。其中，光纤带式传感器负责采集漏水点的信号，其传感功能的实现基于侧向耦合效应。LabVIEW上位机负责实时监测多点位液漏状态，实现了采集数据的处理、存储和显示功能。上位机和传感器之间采用USB接口通信。实验结果表明，该系统能够对8 m区域范围内，160个点位的漏水状态实时精确定位及报警，漏检率≤10 %，位置精度介于±25 mm，较传统液漏传感系统，其空间分辨率提升了10 %。对于当前设备存在的漏检和误报的问题，给出了误差分析及改进思路。通过LabVIEW实时显示多点位漏水状态，能够提高工作效率，适用于对漏水监测有较高要求的场合。     

战斗机全机疲劳试验技术发展概述

在战斗机的设计与研制过程中，结构强度始终是一个重点关注的问题。疲劳强度决定了飞机的安全性、耐久性和可靠性等重要指标。全机疲劳试验是验证飞机结构疲劳强度是否满足设计要求的重要手段。本文介绍了国内外全机疲劳试验技术的发展现状，综合分析了我国的全机疲劳试验技术；总结了新型战斗机全机疲劳试验技术成果，包含试验载荷谱、载荷边界模拟、动力系统、数据处理、损伤检测和监测等多个方面，并给出了全机疲劳试验技术的发展规划和建议。该研究可为其他飞机疲劳试验提供重要的技术支撑。     

一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测算法

针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题，提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK）载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析，将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测，结合蠕变切线角判据，该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示，该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。