绿色技术创新对企业成长绩效的影响——基于研发投入强度的调节作用

随着我国经济的高速发展,生态问题日渐凸显.通过技术创新处理好经济发展和生态效益的关系成为实现绿色发展的内在要求.本文利用94家创业板制造业上市公司2014-2017年的数据,采用广义最小二乘法对绿色技术创新、研发投入强度与企业成长绩效之间的关系进行实证分析,探讨了绿色技术创新对企业成长绩效的直接影响,并对研发投入强度的...     

国内外行星表面巡视器自主导航技术研究

作为航天技术发展的前沿和趋势,深空探测是人类历史上最为复杂的系统工程之一.星球巡视器是在星球表面移动作业的无人探测系统,能够对星球表面进行大面积、近距离和接触式的考察,是地外星球着陆探测作业的主要手段.星球巡视器导航技术是研究星球巡视器的关键技术之一,其导航自主性能直接影响星球探测计划能否顺利进行.本文首先概述了星球巡...     

倾转四旋翼飞行器垂直飞行状态气动特性

综合采用基于滑移网格技术的计算流体力学(CFD)方法与悬停状态气动干扰试验方法,对倾转四旋翼(QTR)飞行器垂直飞行状态的流场进行模拟与试验,研究飞行器垂直飞行状态气动特性以及部分参数对气动特性的影响.结果表明:倾转四旋翼飞行器在垂直飞行状态,前后旋翼之间干扰不明显,但旋翼与机翼的干扰明显;旋翼旋向对旋翼与机翼的干扰不...     

智能天地一体化网络的卫星跟踪测控技术综述

随着卫星互联网和我国航天测控技术的不断进步,航天测控网络朝着智能化、一体化的方向发展,在自主测控、资源分配等方面进展良好。因此,建立智能天地一体化的航天测控网是我国航天未来发展的重要目标。针对智能航天测控网中的跟踪测轨、遥测和遥控三个方面,分别介绍了相关原理与技术。同时,结合CCSDS提出的空间数据链路标准协议详细介绍了TM、TC、AOS、Proximity-1以及USLP标准,分析了不同标准所使用的技术与实际应用。本文从数据链路层和物理层的角度介绍了智能航天测控系统的工作原理及技术要求,为我国智能天地一体化卫星测控通信网的研究提供参考并予以展望。     

输入受限下流体网络系统控制器设计

由于控制的目标是流体的流量,流体网络是一个高阶的非线性系统。以往这方面的工作都是基于多变量线性模型,文中的设计是基于非线性模型。通过引入电路中的图论理论,建立了流体网络控制系统的非线性模型。基于反输入饱和技术,提出了一种反馈线性化的设计方法。综合运用微分包含、控制原理,得到了所设计系统渐近稳定的结论。     

视频条件下SAR仿真

分析了合成孔径雷达信号处理过程,在视频条件下使用VC 6.0与SimuLink结合构建了机载合成孔径雷达仿真系统软件,采用RD算法实现了点目标成像仿真,与在中频条件下相比速度上具有显著的优势。     

LDPC码在联合信源信道编码中的应用

介绍了LDPC码的编译码原理,建立了一种应用LDPC码的联合信源信道编码图像传输系统结构,对其性能进行了分析,并给出了LDPC码在联合信源信道编码中应用的进一步研究方向。     

民用飞机甚高频通信系统设计

民用飞机进行可靠的空地、空空通信,对飞行安全尤为重要。甚高频(very high frequency,简称VHF)通信系统是目前应用最为广泛的航空通信方式,VHF通信系统通过与机上音频系统交联实现飞机与外部的语音通信,通过与机上数据链系统交联实现飞机与地面的数据链通信。如何确保民用飞机VHF通信系统可靠、稳定地工作,一直是型号设计和适航部门关注的重点,也是型号设计的难点。首先从VHF通信系统的功能定义出发,提出了VHF通信系统的设计方案,进而提出了VHF通信系统的性能要求,最后重点阐述了VHF通信系统的机上设计要求以及系统功能验证过程,对型号设计和工程排故具有指导意义。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。