X射线脉冲星信号时延的实时估计方法

针对在频域内计算X射线脉冲星信号延时量存在滞后性,进而难以为航天器自主导航提供实时信息的问题,提出将脉冲星信号延时估计转化为时域内标量估计的方法。首先,通过人工神经智能网络获得脉冲星信号的标准轮廓函数作为状态方程;应用粒子滤波算法对脉冲星信号延时量进行实时估计;其次,为了避免标准粒子滤波器中的粒子退化现象,推导并证明了一种新型粒子滤波算法;最后,推导出粒子滤波算法的精度函数,为航天器的导航策略提供参考。以航天器在轨运行中可能遇到的3种情况为背景,验证了所提粒子滤波算法的正确性与有效性。     

某型飞机座舱温度调节系统检测仪的研制

为满足某型飞机座舱温度调节系统原位检测的需要,结合外场实际．研制了该型飞机的座舱温度调节系统检测仪。经用户使用证明．该检测仪能够满足飞机的检测需要。     

轮胎和缓冲支柱压力对摆振特性的影响

阐述了摆振分析的基本思路,分析了轮胎和缓冲支柱压力对摆振特性的影响,并结合某起落架计算比较了不同轮胎及缓冲支柱压力下的摆振特性。研究表明:当两者压力降低时,摆振临界阻尼均减小,有利于防摆;反之,摆振临界阻尼均增大,不利于防摆;但在两者压力变化的百分比相同的情况下,轮胎压力变化比缓冲支柱压力变化对摆振特性的影响更明显。     

简化DDF算法及其在单星对星无源定轨跟踪中的应用

单星对星无源定轨跟踪是典型的非线性滤波问题,其中非线性滤波算法至关重要.DDF.算法具有良好的精度与稳定性且适用范同更广,不过计算量较大.单星对星无源定轨中系统噪声通常是加性高斯的,根据这一特点对标准DDF算法进行简化.简化后加性噪声可以进行单独处理,基于此,提出一种计算复杂度更低的SD-DF算法,并运用于仅测角条件下的单星对星无源定轨跟踪.SDDF算法具有比EKF更高的精度和更好的稳定性,其性能与标准DDF相同但是计算耗时更少,特别适合于单星对星无源定轨跟踪实时处理.     

基于多滑模控制器融合的高超声速飞行器再入段跟踪控制方法

针对高超声速飞行器再入段滑模跟踪控制存在的抖振剧烈问题,提出一种基于多滑模控制器融合的跟踪控制方法.该方法采用动力学模型对高超声速飞行器再入过程进行描述,建立高超声速飞行器的攻角、侧滑角和倾斜角跟踪控制方程,结合准二阶连续滑模控制器和超螺旋滑模控制器对再入段进行分阶段的跟踪控制,分别削弱抖振影响,提高跟踪控制性能.通过模型仿真对所提跟踪控制方法的有效性和可行性进行验证,结果表明该控制方法可有效实现高超声速飞行器的轨迹跟踪,在控制力矩响应和姿态角速度跟踪误差积分值上较传统方法具备明显优势,可有效抑制抖振,提升飞行稳定性.     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

基于被动探测的目标磁扰动信号检测与定位

针对目标探测定位的快速发展中,军事领域主动雷达存在的缺陷和实现具有高度隐蔽性的目标检测技术的需求,提出一种基于被动磁矢量测量的目标扰动信号检测与定位技术.该方法利用磁传感器阵列测量目标产生的磁矢量扰动信息,通过滤波、门限检测、基函数展开等技术将有效扰动从复杂的背景场中提取出来,并结合速度估计、磁梯度张量矩阵算法研究任意...     

树脂基导电纳米复合材料电磁屏蔽性能的研究进展

随着5G时代的来临,电磁污染问题日益严重。电磁屏蔽是解决电磁污染的有效方法,已成为人们关注的热点。导电纳米粒子具有优异的导电性及其独特物理特性,其树脂基复合材料可作为轻质高电磁屏蔽效能的电磁屏蔽材料。本文主要介绍了含有导电一维纳米粒子（碳纳米管、银纳米线）和二维纳米粒子（石墨烯、MXenes）的树脂基复合材料在电磁屏蔽性能方面的研究进展,进一步对其发展趋势进行了展望。     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。