航天器软件参数修改的测试策略研究

梳理了现有的回归测试策略,并结合航天器软件参数修改错误的2个实例分析,提出了一种新的回归测试策略。该策略借鉴回归测试用例集约简算法中的需求驱动方法,提出了基于构建程序-需求覆盖矩阵和测试用例-需求覆盖矩阵进行回归测试的方法,并给出了按照该策略实施软件参数修改测试的流程。最后,提出了将该测试策略工具化的设想,如研发代码变更影响域自动分析工具,或者使用已有的商用工具。     

固体燃料冲压发动机推力平稳性及飞行稳定性分析

分析了固体燃料冲压发动机中燃面退移速率的影响因素,建立了燃面退移速率仿真模型。在此基础上,建立了固体燃料冲压发动机工作过程仿真模型。采用该模型对固体燃料冲压发动机超音速巡航导弹的推力平稳性和飞行稳定性进行了分析。分析结果表明,选择适当的发动机设计参数能确保推力随时间的变化最小;发动机能根据巡航导弹飞行高度和速度的变化进行调整,使巡航导弹维持在设计点飞行。     

固体燃料热分解特性分析

为了认清固液火箭发动机混合燃烧过程,采用热平板导热方式对固体燃料进行热分解实验,得到了固体燃料的化学动力学参数。在热平板导热实验中,观察了固体燃料在不同温度条件下的热分解残药情形,绘制了典型的燃料表面热分解温度-时间曲线,进一步得到Arrhenius类型的燃面退移速率-燃料表面温度关系曲线,并得出固体燃料的活化能强烈依赖于燃料的表面温度,"燃速-温度"曲线明显地展现了2个活化能区域,为固液火箭发动机燃料表面退移速率理论计算提供实验依据。     

基于AI+神经网络的数字化故障电弧识别方案研究

线路故障电弧的特征随着电力电子技术的提高更趋复杂，传统的故障电弧识别方式已无法应对新型用电系统。对比传统故障电弧识别方案，研究故障电弧产生类型和新型检测技术，提出基于谐波因素、总谐波畸变率、电流零休时间、电流变化速率、电流周期性等典型时域、频域特征的AI+神经网络的数字化故障电弧识别方案。该方案运用回归算法向量机对特征图进行分类处理，通过正向传输运算、反向传输运算和迭代回归运算三个步骤执行卷积神经网络，频繁迭代回归以获得最佳特征识别图。本文以调光器的故障电弧识别为例，对故障识别方案进行验证，结果表明采用此方案可实现更高效、更精准、更稳定地识别故障电弧。     

基于偏最小二乘回归同时测定阿莫西林和多四环素含量

阿莫西林和多四环素在紫外光谱区间吸收峰附近有多重共线现象,紫外分光光度法难以准确测出2种物质各自含量.本文通过L_(16)(4~5)正交实验设计,采集200～250 nm波长混合样品吸收光谱,数据经标准化处理,建立偏最小二乘回归预报数学模型.结果显示,该法计算阿莫西林和多四环素的预测相对误差(RPE)分别为3.13%和6.42%,平均加标回收率分别为100.34%和100.71%.该法简便快捷,准确可靠,样品无需预先分离.     

基于逻辑回归的APU性能状况评估

针对飞机辅助动力装置(Auxiliary Power Unit,简称APU)性能评估研究中单参数评估不全面的问题,提出了基于逻辑回归模型的方法,融合多参数来对飞机APU性能状况进行全面评估.首先,对APU参数数据来源进行分析,选择基于实时报文数据的APU性能评估方法,并结合APU的工作原理以及实际工作情况,挑选出可以反...     

Exploring 2D projection and 3D spatial information for aircraft 6D pose

The 6D pose estimation is important for the safe take-off and landing of the aircraft using a single RGB image. Due to the large scene and large depth, the exiting pose estimation methods have unstratified performance on the accuracy. To achieve precise 6D pose estimation of the aircraft, an end-to-end method using an RGB image is proposed. In the proposed method, the 2D and 3D information of the keypoints of the aircraft is used as the intermediate supervision, and 6D pose information of the aircraft in this intermediate information will be explored. Specifically, an off-the-shelf object detector is utilized to detect the Region of the Interest (RoI) of the aircraft to eliminate background distractions. The 2D projection and 3D spatial information of the pre-designed keypoints of the aircraft is predicted by the keypoint coordinate estimator (KpNet). The proposed method is trained in an end-to-end fashion. In addition, to deal with the lack of the related datasets, this paper builds the Aircraft 6D Pose dataset to train and test, which captures the take-off and landing process of three types of aircraft from 11 views. Compared with the latest Wide-Depth-Range method on this dataset, our proposed method improves the average 3D distance of model points metric (ADD) and 5° and 5 m metric by 86.8% and 30.1%, respectively. Furthermore, the proposed method gets 9.30 ms, 61.0% faster than YOLO6D with 23.86 ms.