计算参数对数值修正载荷识别算法的影响

针对在载荷识别计算中经常遇到的累积误差问题,提出了一种在每个时间步长内迭代修正的 载荷识别算法。首先利用拟静态算法得到载荷初值,再使用数值迭代算法对其进行修正计算,仿真结果表明,该修正算法可以有效地减小由于累积误差导致的发散,得到收敛的识别结果。针对上述算法,本文以多输入多输出简支梁为模型,分别分析了区间放大系数、区间分割系数和精确度指标3个计算参数对于识别结果的影响。计算结果显示,参数的选择对算法的效率和精度影响很大,不当的参数甚至可能引起识别结果严重发散,所以选择合适的计算参数对于数值修正算法十分重要。     

多层缝隙耦合贴片型频率选择表面研究

设计了一种基于缝隙耦合的贴片型频率选择表面（Frequency selective surfaces, FSS）,该FSS拥有窄带特性。分析了缝隙结构对FSS的频率响应的影响,提出 了一种具有极化稳定性和角度稳定性的双极化FSS单元。采用全波电磁仿真软件对其进行分 析,同时采用谱域法和周期性矩量法对该FSS进行了理论分析并得到解析解。通过将缝隙改 为十字缝隙实现双极化设计,仿真结果显示该结构具有极化稳定性和角度稳定性,并与理论 分析吻合,表明设计的正确性。     

面向非合作目标抓捕的机械臂轨迹规划方法

文章针对非合作目标抓捕问题设计了基于误差反馈系数的机械臂轨迹规划算法.考虑到空间机械臂在轨服务要求,采用反作用零空间方法来规划机械臂运动轨迹以实现机械臂与航天器之间的协调运动.为避免在规划起始阶段位姿误差较大可能导致机械臂关节速度过大的问题,引入了位姿误差反馈系数.为对空间机械臂抓捕非合作目标的轨迹规划技术进行验证,搭建了地面半物理仿真系统.试验结果表明,通过合理选择位姿误差反馈系数,设计的轨迹规划算法能够使固定基座机械臂末端执行器以较为均匀的速度逼近非合作目标,并能以较高精度实现对非合作目标的抓捕.该试验可以为空间机械臂抓捕非合作目标的轨迹规划提供参考.     

改进FDTD／集总源模型分析航天器场线耦合

针对典型的电磁脉冲对航天器电缆耦合问题,建立了航天器场线耦合分析模型。在场分布计算方面,采用基于平均电参数和分析目标与 Yee网格不重合的边缘部分修正的改进时域有限差分法。在场线耦合方面,建立基于集总等效源模型的多导体传输线瞬态响应模型,将外场在传输线上激励的分布电压源和电流源与传输线指数矩阵解耦,建立了集总等效电压源和电流源模型。采用分析模型分析运载内一根电缆受电磁脉冲影响的响应,结果表明,即使存在屏蔽作用,电磁脉冲在电缆上耦合的干扰足以损毁设备。     

基于剪裁技术考虑的某冲击试验分析

利用环境工程剪裁技术对某冲击试验的结果进行分析,结果表明,按照引用标准评定为"超差"的试验,当考虑到试验件结构的特性并进行必要的数据转换后,试验结果是有效。首先分析造成超差的原因为天线组件的剩余响应,然后通过频域数字滤波进行数据转换。     

一种面向对象的Petri网

柔性制造系统属于离散事件动态系统,具有实时、并发、异步等特性,由于Ｐｅｔｒｉ网模型的图形表述和数学描述,使它既可以采用数学分析,又可以通过图形形象地表述出离散动态系统,故广泛应用于制造过程动态行为建模与分析。而面向对象建模与设计是一种围绕真实世界的概念来组织模型的全新的思考问题方式,面向对象的模型能帮助对问题的理解,有助于同领域专家通讯交流。本文在Ｐｅｔｒｉ网基础上,引入面向对象技术,提出了一种面向对象Ｐｅｔｒｉ网（ＯＰＮ）模型,并以企业中的一项生产活动——二次电源生产过程为实例,建立了描述这一活动系统的完整的ＯＰＮ模型,真实地反映了系统的动态特性,从而为制造过程建模和分析提供了一个更为有效的工具     

激波过弯道绕山坡对三维物体的冲击效应研究

采用全息干涉技术在高速流态试验装置 (激波管 )上研究了激波过弯道绕山坡到达三维物体的整个过程的流场 ,还采用传感器压力测量技术对三维物体表面的压力分布进行了定量测量。结果表明 ,激波对三维物体与山坡的接合部、物体背风面及其拐角位置的影响是最大的 ;对于研究爆炸冲击波在复杂地形下对建筑物的冲击载荷有重要意义。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低,功耗低的优点,在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点,提出了一种利用基于OPTICS聚类算法的空间目标检测方法,可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点,并结合星图识别的结果选择部分帧,使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后,使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中,目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法,减少了在轨任务中相关参数的调节,进一步提升了算法的自主性.     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。