基于目标距离的末制导雷达最优搜索图模型

深入研究了反舰导弹末制导雷达目标捕捉模型,以末制导雷达第一方位搜索周期捕捉概率和全程搜索捕捉概率为约束条件,建立了以末制导雷达第一方位搜索周期扫描面积为目标函数的末制导雷达最优搜索图求取模型,解决了基于目标距离的末制导雷达最优搜索图参数求取问题,并利用多项式拟合,得到了最优搜索图参数工程实现方法,该方法易编程、计算量小、占用内存少,是一种简单、实用的中远程反舰导弹末制导雷达最优搜索图参数实现方法。     

空间机器人捕获漂浮目标的抓取控制

提出了动态抓取域用于空间机器人捕获漂浮目标的抓取控制。空间机器人捕获漂浮目标时,由于机械臂与基体的动力学耦合、抓取时的碰撞激振等非线性特性使得抓取控制变得复杂而重要。首先建立了空间机器人及漂浮目标的动力学模型,而后引入了末端装置抓取目标时的碰撞模型,并提出了"动态抓取域"用于机械臂抓取目标时的控制,同时应用关节主动阻尼控制,以减小抓取碰撞激振对空间机器人冲击的影响。结果表明:在相同抓取时间下,加速抓取明显优于匀速抓取,碰撞力振幅减小至匀速抓取时的20%,对空间机器人的激振冲击明显消除,仅在抓取结束前有小幅激振。这对空间机器人的抓取控制有着重要的理论价值及工程实际意义。     

基于代理模型的气动外形平面参数多目标匹配设计

将Kriging代理模型和Pareto遗传算法引入气动外形平面参数匹配设计中,提出一种基于代理模型的多目标平面参数匹配设计方法。将拉丁超立方试验设计用于平面参数筛选,确定出参数匹配方案库;基于方案库的计算流体力学(CFD)分析结果构建Kriging气动代理模型;将Kriging模型替代CFD分析,用于气体布局参数匹配优化设计,提高了设计效率并保证了可信度;通过Pareto遗传算法优化解决多点设计要求下气动布局参数匹配问题,一次性给出参数匹配方案的最优解集,从Pareto前沿中根据设计偏向选择气动布局最佳匹配方案。以典型的双后掠布局平面参数多点匹配优化设计问题作为算例,研究结果表明:Kriging气动代理模型与实际CFD分析结果的误差均小于5%,满足精度要求;根据不同设计偏向,选择了3种参数匹配Pareto优化方案,与原样本方案相比超声速阻力减小6.0%~12.8%,跨声速升阻比增加0.01%~3.40%,证明了匹配设计方法的有效性;通过试验设计的Pareto分析与主、交互效应分析,获得了气动布局平面参数对气动性能影响的定量关系,能够为参数匹配设计提供依据。所提出的平面参数匹配设计方法可应用于其他常规与非常规气动布局型式。     

AZ31镁合金早期力学性能退化非线性超声检测

针对镁合金材料早期力学性能退化问题,研究发展了一套可靠的非线性超声系数的测量实验系统,利用该系统测量了AZ31镁合金拉伸和疲劳试件的超声非线性系数.实验结果表明,在拉伸试件进入塑性应变阶段,疲劳试件在疲劳寿命的55%左右之前,超声非线性系数对镁合金材料力学性能退化具有很高的灵敏度.同时利用光学显微镜对拉伸试件的位错滑移...     

农村合作组织的经济学分析

发展农村合作组织,可以增加组织化收益,提高农民收入。农村合作组织的收益不但表现在价格上,而且可以在规模经济中表现出来。通过对农村合作组织的经济博弈分析,我们发现,农村合作组织就是基于合作后能够给多方主体共同产生效益最大化,从而共同分享合作剩余,也为政府引导地方经济发展提供了有效的激励制度范式。农村合作组织的制度绩效主要体现在制度激励、克服“农户＋公司”模式弊端、实现小农经济与市场经济的有效对接以及降低交易费用等方面。     

多自由度振动环境下惯组非线性传递特性研究

惯组作为飞行器姿控系统的传感器,其局部安装结构的传递特性的测量精度直接关系到导航精度。目前,惯组普遍使用减振器进行隔振,而减振器都呈现出较强的非线性特征。为了考察惯组在不同工况下的传递特性,将惯组简化为六自由度Duffing模型,推导了基础激励下系统的运动微分方程,并用龙格-库塔法对方程进行求解,分析了自由衰减振动和强迫振动下不同工况的系统传递特性。结果表明,多自由度激励比单自由度激励工况得到的系统传递特性的频率和幅值都低。考虑到惯组真实的使用环境,应当在多自由度振动环境下进行传递特性试验。     

同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象,针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题,提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式,利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项,完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿,理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

Walker星座碰撞检测及碰撞概率分析

针对Walker星座的碰撞问题,在狭义碰撞的基础上,设计一种Walker星座碰撞检测模型。该模型考虑星座实际在轨构型发散与维持偏差,给出了Walker星座构型维持条件下的广义碰撞检测与碰撞概率计算方法,并提出了表征Walker星座构型防碰撞性能的安全度系数。利用该检测模型,在进行Walker星座设计时不仅可以避免狭义碰撞,还可以实现星座在构型维持阈值内的广义碰撞安全性分析,实现星座构型择优。通过案例仿真分析,证明了该系统模型的可行性及可靠性。     

非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。