惯导平台式重力测量技术实现及应用

详细阐述了解析方位双轴惯导平台式重力测量的工作原理,并通过基于方位余弦积的惯导力学编排解决了极区工作问题。在常规平台式重力测量数据处理方法的基础上,针对高动态环境提出了基于Kalman滤波的运动扰动修正方法。在此基础上研制了ZL11-1A型国产惯导平台式海洋重力仪。通过与国外主流重力仪产品海上同船作业比对,结果表明,该型重力仪在高海况下测量精度依然优于1mGal,满足重力测量作业要求。     

基于绳系并联机器人支撑系统的SDM动导数试验可行性研究

详细给出了在低速风洞中,采用绳系并联机器人(WDPR)支撑模型,用强迫振荡法进行标准动态模型(SDM)动导数试验可行性的研究。试验中将杆式六分量应变天平内置入模型中以测量模型的气动力和气动力矩,建立了适用于绳系并联机器人支撑系统的模型运动控制子系统和数据采集子系统。采用绳拉力作为参考信号,对气动力矩信号与位姿信号进行数据的同步处理,解决了绳系并联机器人支撑系统应用于动导数试验时所测力矩信号与位姿信号之间的相位差确定问题,给出了WDPR支撑下模型动导数的计算方法。整个试验样机置于某开口式低速直流风洞中进行了俯仰、带偏航角的俯仰以及升沉的动导数试验,通过测量和计算得到各动导数。试验结果与参考文献相比较具有合理的一致性。研究结果表明,采用绳系并联机器人支撑模型进行动导数试验是可行的,至少对于SDM是这样的结果;使用一套绳系并联机器人支撑系统,可以完成多套硬式支撑系统才能完成的动导数试验,从而提高试验效率,降低试验成本。     

航空发动机工作分解结构（WBS）构建方法

针对航空发动机研发项目技术高、周期长、投入大的特点,提出了1种面向全生命周期产品研制的航空发动机工作分解结构构建方法。该方法依据系统工程的理念,充分考虑了航空发动机研究所的管理模式特点,给出了航空发动机工作分解结构的构建原则、架构、工作类型和单元说明等相关内容。通过在实际发动机研制项目中的应用,证明该方法合理、有效,提高了工作分解的完整性、合理性,增强了计划管理的可执行性,能够为项目管理提供相应的信息支撑。     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

基于自适应Kalman滤波的导引头随动系统设计

主要研究导引头随动系统中探测器信号处理延迟的影响及其补偿控制算法。提出了一种自适应Kalman滤波延迟补偿方案,利用Kalman滤波的预测能力得到当前时刻视线角的估计值,进而得到此时的跟踪误差的估计值,取代被延迟的探测器输出进行闭环控制。考虑到导引头探测器的低更新频率、非等间隔量测等工程特点,又对上述滤波算法进行了一系列改进。仿真表明方法可以明显提高导引头在弹体扰动情况下的跟踪精度。     

机载大屏幕显示器人机工效及其标准初探

分析了国内外机载大屏幕显示器人机工效发展现状,介绍了机载大屏幕显示器人机工效的关键技术,简述了国内外标准发展情况,提出了制定我国机载大屏幕显示器人机工效标准的建议。     

电磁兼容性标准的剪裁及应用

依据有关的电磁兼容性标准,并结合国内外的情况,着重对电磁兼容性标准剪裁的必要性、方式、方法、时机和分工问题进行了论述,同时提出在项目剪裁中应注意的问题。     

基于奇异值趋势分解和LS-SVR的航空发动机性能指数组合预测

发动机性能指数是衡量其性能优劣的重要指标之一。针对发动机性能指数具有非线性、非平稳的特征,引入多层次多尺度的思想,在此基础上提出一种基于奇异值趋势分解的组合预测方法。利用奇异值趋势分解提取原始数据的趋势项和波动项;以改进粒子群算法分别获取趋势项和波动项在最小二乘支持向量回归模型中的最佳参数组合(嵌入维数、延迟时间、惩罚因子、核参数),并引入回归移动的思想,在此基础上利用最佳的最小二乘支持向量回归模型进行预测。预测结果表明预测精度明显增加,计算时间也相对减少。提前预测步长在5步之内时,精度变化不大;步长超过10步,精度下降很快。与不同预测方法比较,证明了方法的有效性。      

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.