WXZ—101型热电偶自动校验装置

本文介绍了一种新型工业用热电偶校验装置。本装置采用计算机控制,实现了自动控温,数据自动采集,过程自动显示,自动计算处理,结果自动打印。并设计有自动关机,保护和报警功能。在检定人员进行简单的键盘操作后,整个检定过程实现了全自动化。     

谐振子质量分布不均时HRG加速度影响分析

半球谐振陀螺运用哥氏效应来测量角速率,从原理上讲加速度会对其工作状态造成影响。分析半球谐振陀螺谐振子质量沿圆周角分布不均匀的情况下,加速度引起的惯性力对谐振子的工作状态的影响,并通过考察谐振子驻波进动角的变化来判断谐振子工作状态是否发生变化。推导结果表明,加速度对半球谐振陀螺谐振子的工作状态没有影响。     

基于残差卡方检验和动态Allan方差的INS/GPS故障检测与定位算法研究

INS作为一种精密的仪器,容易发生由于自身老化或受到外界环境干扰出现故障无法正常工作的情况。因此,深入研究了INS/GPS的故障检测算法,提出了一种基于残差卡方检验和动态Allan方差的INS/GPS故障检测与定位算法。在系统层面,通过残差式卡方检验法,能够在组合导航系统出现故障时及时准确识别,并为后续的动态Allan方差法确定一个故障发生的时间段,大大减小了Allan方差的计算量。随后通过动态Allan方差法对惯性传感器时变特性的表征,从传感器层面准确识别出故障发生的位置,两者结合实现了INS/GPS系统故障的及时检测与准确定位。通过对仿真和实验数据的分析,验证了这种方法对INS/GPS故障检测及定位的有效性。     

基于奇异值分解的接收机自主完好性监测算法

基于最小二乘法残差的接收机自主完好性监测（receiver autonomous integrity monitoring，RAIM）算法本质是一种基于伪距残差矢量的一致性监测算法，但由于残差矢量中各分量具有一定的关联性，掩饰了某些重要的不一致性信息。为了消除这种关联性，提出了一种基于奇异值分解的接收机自主完好性监测方法。在方法中利用奇异值分解对伪距观测矩阵中的观测系数矩阵进行分解，获得奇异值空间矢量和奇异值空间矩阵。基于奇异值空间矢量构造能够直接反映故障卫星偏差信息的检验统计量，从而可以简便地进行粗差监测，更好地满足完好性监测需求。鉴于实际中完好性故障包含运控系统故障、导航系统故障、信号传播异常以及地面接收处理故障等多类因素，以脉冲型和阶跃型两种故障方式进行基于奇异值分解的RAIM故障检测与识别，并开展仿真分析研究。结果表明，提出的方法能够正确检测、识别故障卫星，在特定参数下能够达到很好的故障识别率，即当误警概率设置为1×10-5/h、引入阶跃故障误差为25 m时，算法能够实现98.8%的故障识别率。     

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

针对涡桨发动机复杂、非线性的工作环境，利用层次分析（AHP）法提取发动机工作状态特征参数，考虑各特征参数对工作状态识别的影响，以特征参数加权的改进蚁群算法为基础，进行发动机同一工作状态识别、聚类，并采用Mann-Kendall法开展发动机性能预测分析。利用多台涡桨发动机性能参数飞参数据进行验证，结果表明：该方法能准确识别发动机起飞、额定工作状态，巡航以下工作状态识别准确率达84%以上；此外，发动机性能预测效率提升了近50%，而预测错误率小于10%，可以满足航空兵部队维修保障工作的实际需要。     

珠海一号高光谱卫星辐射精度真实性检验研究

“珠海一号（OHS）”高光谱商业遥感卫星数据在国民经济建设中发挥着越来越重要的作用。当前，针对商业遥感卫星数据质量精度的验证和评价研究成果较少。本文基于地面实测数据，对OHS卫星高光谱数据的辐射精度进行了真实性检验和定量分析。结果表明：OHS卫星表观辐亮度与实测结果具有较好的线性相关关系，相关系数R²大于0.7。与实测结果相比，OHS卫星各通道表观辐亮度值整体偏低，但两者光谱曲线形态基本一致。随着时间的推移，OHS传感器性能可能存在衰减，不同通道的衰减程度不一；在31个通道中，与实测值之间的相对差异在20%以内的通道数为9个；在20%~30%之间为14个，30%~40%为8个。     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。