半球谐振陀螺发展综述

首先阐述了半球谐振陀螺工作原理及技术优势,后着重对其在美国、俄罗斯、法国的发展历程、应用场景、技术发展、精度指标及进行了综述,同时概述了国内的发展历程、现阶段达到水平。其后,针对海上领域武器系统的特点及需求,在借鉴国外已有应用的基础上,论述半球谐振陀螺在海上应用的可能性及优势。最后对半球谐振陀螺的未来发展进行了展望。     

基于虚拟测量技术的模块化测量系统研制

机械产品的尺寸公差和形位公差是重要的质量检测指标,合格与否将直接影响产品功能。根据筒类工件的结构特点,搭建了基于虚拟测量技术的模块化测量系统,系统基于LabVIEW仪器平台开发主控制程序搭建外围硬件,解决了测量定位、传感器的选型、系统集成、测量程序开发等关键技术,实现了对尺寸公差与形位公差的同机检测。实验结果表明,系统检测精度达到99.80%,测量误差低于0.043mm,检测效率提高近3倍。     

异步电机无速度传感器带速重投策略

在异步电机转速自适应全阶观测器无速度传感器控制方法的基础上,提出了一种基于波波夫稳定性理论的带速重投策略。该策略能够反映出转速估计值与实际值之间的误差关系,并通过自中心向两侧检索的方法使得转速估计值快速地向实际值收敛。采用了一种预励磁方案来达到减小带速重投过程中电流冲击的目的。仿真结果证明了所提策略的准确性和有效性。     

基于离散反电动势估计的永磁同步电机无速度传感器控制

针对高速永磁同步电机(PMSM)的无速度传感器控制问题,提出了一种基于离散反电动势估计的PMSM无速度传感器控制策略。实施离散反电动势估计的设计有三点:首先,设计了离散dq电流观测器以消除反电动势估计中的电感交叉耦合效应;然后,设计了延迟补偿模型以补偿数模转换引起的电压误差,同时设计了较为精确的离散模型,以克服由数字实现导致的估计反电动势和实际反电动势之间的偏差;最后,开展了高速PMSM驱动试验,试验结果验证了所提出的高速PMSM无速度传感器控制方案的性能。     

一种高斯型ASE光源研究

简单介绍了掺铒光纤的光放大原理,分析了四种ASE光源的光路结构。针对双通前向结构,设计了一种适用高精度光纤陀螺仪的高斯型ASE光源,并进行了试验研究。试验结果表明,掺铒光纤的掺杂浓度、光纤长度都对ASE光源的输出特性具有很大的影响。此外,根据试验结论,研制出高斯型ASE光源,其性能稳定,已在多个高精度光纤陀螺仪型号上实现了实际应用,并取得了良好的效果。     

基于任务的微机电惯性系统规模化测试技术研究

针对传统惯性测试技术测试周期长、测试效率低、测试成本高等问题,提出了基于任务的微机电惯性系统规模化测试解决方案。研究分析了微机电惯性系统测试技术的研究现状和发展趋势,建立了基于任务的微机电惯性系统测试体系,详细论证了微机电惯性系统批量、并行、自动化测试解决方案的可行性,为微机电惯性系统规模化测试实践奠定了基础。     

GB/T17453-1998《技术制图图样画法剖面区域的表示法》介绍

介绍了GB/T 1 745 3 -1 998《技术制图　图样画法　剖面区域的表示法》的主要内容 :通用剖面线的表示和特定材料剖面的表示。并与GB/T 44 5 7.5 -1 984《机械制图　剖面符号》进行了对比 ,阐述了两个标准的各自特点。     

航空发动机吞砂试验标准砂与典型沙粒形貌对比分析

航空发动机工作时吸入沙粒会对发动机造成伤害。针对军标中未规定吞砂试验用砂粒的形貌特征问题,提出砂粒形貌特征的统计表述方法——数字图像获取、砂粒圆度(砂粒图片实际面积与其外接圆面积之比)分析、标尺对比与观察统计、振动转换与跟踪、统计指标比较,选取中国南海(海南)、东海(厦门)、腾格里沙漠和塔克拉玛干沙漠等典型地区的沙粒与美国标准砂的形貌特征进行了对比分析。试验表明:利用标准砂进行航空发动机吞砂试验时发动机的损伤最严重,即按照军标要求采用标准砂进行吞砂试验能够保证发动机具有足够的安全裕度。     

基于混合卡尔曼滤波器组故障传感器定位方法

为了在发动机性能蜕化与传感器故障并存的情况下实现故障传感器的定位与部件蜕化情况的估计,并实现故障诊断基准数据的修正,构建了1种包含了机载模型与线性卡尔曼滤波器的组合结构混合卡尔曼滤波器组。该卡尔曼滤波器组能够在之前所描述的故障/蜕化耦合情况下定位故障传感器,并得到较为准确的部件蜕化估计结果。为了验证了混合卡尔曼滤波器组的有效性,进行了相关仿真。仿真结果表明:混合卡尔曼滤波器组能够在发动机动态过程中遭遇传感器故障与部件蜕化并存的情况下完成故障定位与蜕化估计。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。