无人直升机控制动态特性的频域辨识建模方法

利用扫频试飞技术获取了某无人直升机在悬停工作点附近的舵机输入和直升机动态输出数据，利用组合窗频谱分析的方法获取了直升机横滚通道与俯仰通道动态的频率响应特性，利用加权拟合的方法获取了各自的传递函数。和实际飞行数据进行的比较表明，模型有相当的准确性。可以用于直升机增稳系统的控制设计。     

一种交会时间固定的调相分析方法

根据我国载人航天工程交会对接技术的特点,文章在推进剂最省、飞行时间固定的交会条件下,提出了追踪飞行器对目标飞行器的调相需求计算方法及两种提升调相能力的技术途径。经仿真验证,这两种技术途径可有效提升追踪飞行器的调相能力。     

真空低温环境对摄影测量精度的影响

为提高真空低温环境下摄影测量的精度,文章通过分析真空低温环境对摄影测量的影响,发现引入光学窗口会降低测量精度。以实际使用的温控小舱上的光学窗口为研究对象,根据摄影测量原理,通过仿真和试验相结合的方式,分析增加光学介质和改变介质面形对摄影测量的影响程度。研究结果表明影响的主要原因是光学窗口的使用导致在原有光路上增加光学介质,改变了光路,其引起的精度误差与摄影测量系统精度属同一数量级,需要采用优化方法降低这种影响。     

基于FY4A-AGRI反演东北地区云顶高度

云对全球的能量收支及大气循环系统具有不可替代的调节作用,是影响天气及气候变化的重要因子。云顶高度作为云的重要参数,有助于分析云在大气中的物理机制,对局部地区监测和预报具有实质性作用。基于多通道扫描辐射成像仪(AGRI)数据反演东北地区云顶高度,采用红外分裂窗查算表方法,并对不同季节和不同云类型建立查算表,探讨基于静止卫星反演中高纬度地区云顶高度的可行性。同时,引入主动式高精度仪器正交偏振云-气溶胶偏振雷达(CALIOP),结合11、12 通道亮温数据搭建云顶高度反演模型。分析结果表明:1) AGRI遥感的云顶高度与CALIPSO搭载的CALIOP云顶高度变化趋势一致,算法计算效率较高;2) 从4个季节的统计结果来看,均方根误差(RMSE)上都小于2.3 km,平均偏差在500 m左右,受季节的影响较小,反演结果与CALIOP探测结果具有较高的一致性;3) 利用该方法基于AGRI结果精度不亚于官方采用的CO2薄片法,该方法估算的RMSE和相对误差较小,并且该算法的反演模型只提取红外分裂窗区通道数据,无需大气廓线资料进行辅助计算,节省计算资源,提高计算效率。     

月球探测器发射机会分析

发射月球探测器实际上是使探测器与月球交会的问题,由于月球位置的变化,选择不同的交会日期相应的地月转移轨道是不相同的。文章分析了月球在一个恒星月内位置变化与相应的地月转移轨道升交点赤经和近地点幅角变化的关系,在这个基础上讨论了发射机会和发射窗口问题。     

GPS信号快速捕获方案研究

设计在高动态环境下工作的GPS接收机,其难点之一在于对卫星伪码的快速捕获。针对缩短GPS接收机捕获伪随机码时间的问题,本文在对GPS信号结构作出分析的前提下,介绍了时域滑动相关的常规捕获方法;提出了基于FFT的快速捕获技术,并在matlab环境下做了系统仿真,仿真结果显示捕获速度可以得到显著提高。     

驾驶舱透明件安装形式分析

主要描述了世界上民用飞机驾驶舱透明件(主要是风挡)所采用的三种安装形式,对这三种安装形式的优缺点进行了多方面的分析和对比,并从结构设计的角度进行了客观评价。     

爆炸焊接技术及工程应用

爆炸焊接作为一种特殊焊接技术广泛应用于生产各种金属复合板材,爆炸焊接复合板材不仅结合强度高,还可以实现多种不同金属材料的大面积复合,从而有效地降低了贵金属材料成本。除了介绍爆炸焊接基本原理、爆炸焊接窗口和试验技术外,还对当前爆炸焊接新技术和新产品开发作了讨论,同时也介绍了爆炸焊接复合金属材料在不同行业领域的应用以及未来的发展前景。     

蜂群无人机自组网多优先级自适应退避算法

针对现有媒质接入控制（MAC）协议退避算法无法为蜂群无人机自组网（FANETs）提供区分服务,且在重负载时性能严重恶化等问题,提出一种多优先级自适应退避算法。采用忙闲因子自适应机制和最优竞争窗自适应机制,根据信道忙闲程度和网络状态参数自适应实时更新各优先级竞争窗口（CW）长度,从而使每次退避的竞争窗口可快速收敛到最佳状态,并实现了多业务区分服务,得到了最优的系统性能。通过建立不同优先级退避过程的三维Markov链模型求解得到了饱和吞吐量下的最优竞争窗自适应因子,并且理论推导了系统吞吐量和平均MAC时延的数学表达式。仿真结果表明,所提算法在重负载时能够实现多优先级区分服务并有效提高系统的吞吐量性能,相比区分业务优先级的自适应退避（PAB）算法和支持QoS的自适应竞争窗口退避算法（Q-ABACW）,性能均有较大提升。      

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。