核磁共振陀螺中内嵌碱金属磁力仪研究

核磁共振陀螺利用核自旋的闭环磁共振实现角速度的测量,其磁共振信号一般由内嵌碱金属磁力仪测出。为了提高磁力仪性能,对描述磁力仪的Bloch方程,采用微扰迭代法和级数展开法,求出了各磁矩分量的近似解,然后讨论了线性测量范围随纵向与横向弛豫时间的变化规律以及频率响应特性。利用数值仿真,对上述近似解析解进行了验证。结果表明,磁力仪的线性测量范围随纵向、横向弛豫时间的增大而减小,其频率响应为一阶低通,截止频率仅与横向弛豫时间有关。上述研究对核磁共振陀螺的优化有一定的参考意义。     

超低空空投航迹倾角自适应跟踪控制

针对超低空空投下滑阶段考虑执行器输入死区、不确定性大气扰动以及模型存在未知非线性等因素干扰轨迹精确跟踪等问题,提出了一种自适应神经网络动态面跟踪控制方法.建立了含执行器输入死区的超低空空投载机纵向非线性模型,采用神经网络逼近模型中未知非线性函数,引入非线性鲁棒补偿项消除了执行器死区建模误差和外界扰动.应用Lyapunov稳定性理论证明了闭环系统所有信号均是有界收敛的.仿真验证表明,所提方法既保证了轨迹跟踪的精确性,又具有强鲁棒性.     

一种航空发动机用双定子无轴承电机研究

为了消除摩擦阻力并简化系统结构,实现多电航空发动机的稳定悬浮运行,本文研究了一种具有独立的转矩和悬浮力极的双定子无轴承开关磁阻电机.推导了电机悬浮力的数学模型,通过与有限元计算结果的对比证明所建立解析表达式的正确性.搭建了实验平台,实验结果证明了电机在运行过程中转子能够稳定地悬浮在中心位置,并且转矩控制与悬浮力控制可以自然解耦,实现独立可控的磁悬浮运行.     

核磁共振陀螺信号仿真及噪声分析

核磁共振陀螺具有体积小、精度高、功耗低等优势,有望成为下一代惯性导航系统的核心部件,目前正受到人们的广泛关注。比较全面的介绍了核磁共振陀螺的基本理论,在此基础上利用时间离散化方法推导并建立了能够充分考虑核磁共振陀螺系统动态特性的仿真模型。利用该模型研究分析了锁相环相位、磁场、温度以及探测光强在1×10-5均方根幅度下均匀白噪声对陀螺信号的影响,发现它们对角随机游走、零偏不稳定性影响依次减小,且都具有自身独特的频率响应特性。其中,锁相环相位噪声引起的角随机游走与零偏不稳定性分别为5.1985×102(°)/h1/2、3.4593×103(°)/h,而探测光强噪声引起的角随机游走与零偏不稳定性分别为3.1623×10-1(°)/h1/2、4.7603×10-1(°)/h。该研究对深入分析核磁共振陀螺动力学机理、寻找主要噪声来源、提高陀螺性能具有重要意义。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

雷达电源系统安全运行健康状态评估研究

雷达电源系统的运行状态直接影响整个雷达设备的安全性与性能指标的实现,如何实现雷达电源的 健康状态评估是亟待解决的问题。首先采用雷达电源正常状态下的健康特征数据训练自组织神经网络;然后 计算监测数据与训练后的自组织神经网络中权重向量的距离,将距离值归一化表示为健康度;最后利用试验数 据计算健康度,并实现健康分级。结果表明:该模型计算的健康度随电源老化时间变化整体呈现下降的特点, 该模型可以实现雷达电源健康状态评估。     

基于InfoLSGAN和AC算法的滚动轴承剩余寿命预测

为解决小样本和噪声干扰下滚动轴承剩余寿命(RUL)预测准确率低的问题,提出一种基于信息最小二乘生成对抗网络(information least squares generative adversarial network,InfoLSGAN)和行动者-评论家(actor-critic,AC)算法的滚动轴承剩余寿命预测方法。将堆叠降噪自动编码器、信息生成对抗网络和最小二乘生成对抗网络相结合,构建InfoLSGAN,自动地从噪声数据中提取可解释的鲁棒特征,解决梯度消失问题;采用基于AC的训练算法训练InfoLSGAN,减少训练时间,加快收敛速度;根据训练后的InfoLSGAN,利用softmax分类器预测测试样本中滚动轴承的剩余寿命。通过滚动轴承加速疲劳寿命试验验证该方法的有效性。试验结果证明,当信噪比等于0时,该方法对滚动轴承测试样本的寿命预测准确率至少提高了10%。在小样本情况下,滚动轴承剩余寿命预测的平均准确率达9584%。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

核磁共振陀螺仪中共振磁场强度优化研究

核磁共振陀螺中,共振磁场的幅值直接影响原子核自旋磁矩进动信号的强度,进而影响陀螺信号的信噪比.基于核磁共振陀螺Bloch方程,从理论和实验两方面研究了共振磁场幅值对宏观原子核自旋磁矩的影响.结果表明,随着共振磁场幅值的增加,宏观核自旋磁矩进动信号的强度先增大后减小,进动信号的强度与共振磁场的幅值呈色散关系.共振磁场幅度...