基于高度分集的两波束米波雷达测高方法及其应用

米波雷达的波束较宽、由于地面反射引起波瓣分裂,通常只能估高而不能用来测高.针对这一难题本文提出一种基于高度分集的两波束米波雷达测高方法.该方法采用高度不同的两个天线,利用波瓣分裂情况及相互相位关系来测量目标高度.文章分析了此方法测高的精度及影响精度的一些因素.本测高方法已应用于某型雷达信号处理机中,并取得良好效果.     

BTT导弹的大系统变结构控制方法

将BTT导弹控制系统表示成具有非匹配不确定性大系统的形式，利用反演设计方法处理系统中的非匹配不确定性．用变结构控制方法来改善系统的性能，然后，利用Lyapunov稳定性定理证明了闭环系统的信号最终一致有界且系统的状态指数收敛于滑模超平面。最后．仿真验证了所提出方法的正确性和有效性。     

光纤功率量值溯源方法研究

在分析光辐射功率测量方法的基础上，提出了建立能溯源到低温辐射计的光纤功率测量标准的方法。     

FPGA在高性能数据采集系统中的应用

设计了以FPGA(现场可编程门阵列)为核心逻辑控制模块的高性能数据采集系统，该系统除了可完成24路最大采样频率为100kHz(精度16位)的模拟信号采集和8路宽范围频率信号采集，还具有较强的数字信号处理能力和一定的容错、自检功能。FPGA模块采用VHDL语言设计，在MAX PLUSII集成环境中进行软件设计和系统仿真，本文给出了FPGA主要功能模块的仿真图形。     

基于泰勒展开法的转子系统动力特性区间分析方法

对转子系统动力特性运用一种非概率-区间分析方法进行分析.基于区间数学和1阶泰勒展开理论的区间分析方法将非确定参数支承刚度和连接结构刚度视为区间向量,运用泰勒展开法建立了转子系统固有频率的公式.区间分析方法降低了传统的概率分析方法对不确定参数信息的过分要求,为解决含有非确定参数的转子系统动力特性问题提供了一个途径.应用区间泰勒展开法和概率方法对数值算例进行了分析,并比较了结果.当参数非确定性小于20%时,计算得到的转子系统固有频率区间上下界与真实值区间上下界误差小于2.2%.建立了转子系统动力特性试验装置,试验结果验证了方法的有效性.      

航空发动机加力燃烧室跨流气冷稳定器流场研究

针对1种航空发动机加力燃烧室用引气冷却的跨流稳定器结构形式,采用标准k-ε湍流模型数值模拟方法,对其流场结构进行了分析和研究,将数值计算结果与封闭风洞中PIV流场测试结果进行了对比。结果表明:跨流气冷稳定器流场结构复杂,呈3维分布,环形稳定器后方的流场结构与普通钝体的类似,带后掠角的径向稳定器后方回流区与环形稳定器回流区互相耦合为整体,与沿环形稳定器展向的回流区形成高度一体的复杂回流区结构,形成稳定的低速区,起到良好的火焰稳定作用。     

惯性仪表中磁悬浮元件磁芯材料对其性能的影响

本文阐述了惯性仪表中磁悬浮元件的工作原理,分析了材料特性对磁悬浮元件性能的影响。通过对由性能差异较大的材料制成的磁悬浮元件进行参数测试,测试的结果验证了分析的正确性,为磁悬浮元件设计中的材料选用提出了有益的参考。     

一种测量跨声速多级压气机转子出口二维流场的方法

为了获得小型压气机设计所急需的关键流场信息,发展了一种基于圆柱单孔高频压力探针测量小型轴流压气机级间动态流场的测量方法.该探针测量原理基于圆柱绕流特性,借助高速锁相采集技术,利用旋转探针多角度法实现级间动态流场测量.采用插值和拟合对测量的数据进行处理,从而获得级间二维定常流场.误差分析表明,该探针测量精度较高,偏转角误差小于1.8 °,马赫数、总压和静压的极限误差分别为3.4％,0.94％和3％.将该高频探针应用于某小型跨声速3级轴流压气机,测量结果表明:85％叶高至机匣范围内,总压和马赫数明显要比叶根低得多,气流出现明显过转.这些测量结果为优化该压气机级间匹配指明了方向,验证了该高频压力探针测试技术的工程应用价值.     

高超声速飞行器飞行动力学特性不确定分析

 高超声速飞行器分析模型存在较大不确定性,其给出的动力学特性与真实值之间存在偏差,因此研究飞行动力学特性分析结果的可信度水平对控制系统设计具有重要意义。针对典型的乘波体构型高超声速飞行器,在建立气动/结构/推进相互耦合的动力学模型基础上,利用非概率区间来描述模型中的不确定参数,并将复特征根不确定范围求解问题转化为频率和阻尼比两个实数的不确定区间分别求解,给出了动力学模态特征根、频率及阻尼比的不确定边界。分别采用直接蒙特卡罗(DMC)模拟方法、基于泰勒展开的区间分析方法(TIAM)和基于多项式逼近的区间分析方法(CIAM)对高超声速飞行器飞行动力学不确定性进行了研究。结果表明:CIAM计算时间适中,且给出的边界更为准确、安全,适合在控制系统设计和验证过程中使用。     

基于合作目标的三维空间贝叶斯传感器配准算法

当存在合作目标时,基于合作目标的传感器配准算法往往优于基于多站测量的传感器配准算法.传统的基于合作目标的传感器配准算法将系统误差看作是一个确定未知量,对未知量的估计采用了非贝叶斯的参数估计算法,如极大似然法、最小二乘法等.当传感器量测噪声相对于传感器系统误差不可忽略时,上述算法估计效果较差.在此背景下,提出了基于合作目标的贝叶斯传感器配准算法,通过将传感器系统误差建模成未知的随机过程,并通过卡尔曼滤波消除量测噪声对系统误差估计带来的影响,实验结果表明,方法具有较好的实用性.