碳纤维复合材料柱型舱段窗口数控加工方法

使用碳纤维复合材料构件数控高速钻磨机床,对T300/AG80碳纤维复合材料柱型舱段构件方形窗口特征数控加工方法进行了研究.根据结构件材料特性和形状特点,得出了主轴转速6 000～18 000r/min、进给速率5～25 mm/min适用于柱型舱段方形窗口数控加工的优化参数和程序,实现了碳纤维复合材料柱型舱段窗口的数控加...     

基带滤波调制技术深空测控应用性能分析

深空测控的下行链路包括测控和数传2种典型的传输信道,其中数传信道一般具有发射功率大和数据传输速率高的特点,其带外辐射容易对测控信道产生干扰。以典型月球探测器为例,分析比较了数传信道采用常规BPSK（二进制相移键控）调制和基带滤波BPSK调制时,对测控信道的带外辐射影响,并对基带滤波BPSK调制的误码率性能进行了仿真分析,相应结论对未来深空探测任务测控系统总体设计具有十分重要的参考意义。     

无人机动态RCS测量及数据统计分析

以某无人机的动态RCS特性作为研究对象,设计了无人机的测试飞行航路,应用非线性最小二乘估计方法,对采集到的无人机动态RCS试验数据进行X^2分布和对数正态分布模型的参数估计,降低了测量噪声对统计模型参数估计的影响,较为理想地解决了数学统计模型参数估计中试验数据测量噪声的影响,并对某无人机的动态RCS统计分布特点做了分析。     

克服复共线性影响的方法探讨

数据建模是参数估计与精度估计的主要手段，也是实际工程中进行系统故障诊断与修复的主要途径。然而，由于变量之间的复共线性性，严重影响了目前广泛应用于工程实际中的最小二乘方法、主成分估计等方法的收敛性与估计精度，也成为制约各种估计方法实用效果的主要原因。本文详细分析了复共线性影响参数估计的机理，全面讨论了克服复共线性影响的几种常用方法的思想及优劣，并给出了工程实际中在参数估计方面应注意的问题。     

航空发动机部件特性修正技术研究

针对传统部件特性修正方法未考虑发动机多状态导致修正精度不高的问题,提出了1种基于粒子群优化和滑动最小二乘法的某型发动机部件特性修正方法。该方法利用粒子群优化算法分别求得在发动机不同状态下的修正系数,并以这些系数为基础,采用滑动最小二乘方法拟合修正系数曲面,从系数曲面上获取原有部件特性图上各点对应的修正系数,从而得到修正特性。试验结果表明:该方法克服了传统方法的不足,提高了特性修正精度,为开展单机监控和视情维修提供准确的部件数据基础。     

基于自适应SRCKF的空间非合作目标实时轨道确定

针对天基测角对非合作目标跟踪定轨的动力学模型简化误差问题,提出一种基于非线性预测滤波和SRCKF(Square Root Cubature Kalman Filter,平方根容积Kalman滤波)的自适应滤波方法.采用考虑地球J2摄动影响的轨道动力学模型作为状态方程,在跟踪滤波过程中,用NPF(Nonlinear Predictive Filter,非线性预测滤波)对动力学模型进行实时修正,利用SRCKF对修正后的动力学模型进行状态估计.将该方法应用于高轨航天器对非合作低轨目标的实时测角定轨任务中,进行数字仿真,仿真结果证明,该方法相比传统的滤波方法具有更高的精度、更强的鲁棒性和稳定性.     

资料转移技术在三维有限元中的应用

本文研究了两类用于三维h自适应网络管理的资料转移方法。文中将牺牲解的精度以节省计算时间的一类资料转移的简单方法（简法）与另一类在资料转移中确保解决的精度的严格方法（严法）进行了比较分析，并通过数值计算例题进行了论证，结果表明：对于简单问题，两类方法都能满足精度，完成资料转移。对于复杂应力状态问题，严法可靠，特别是在网络稀疏时，严法明显优越。     

基于最小二乘法的GPS故障星辨识新方法研究

在最小二乘故障检测的基础上,提出了一种在最小二乘法残差向量ω的似然函数基础上推导出故障卫星辨识的新方法。采用该方法针对GPS卫星中可能出现的突发性故障以及斜坡形软故障进行了仿真实验。结果表明,该故障卫星辨识方法能够准确地辨识出故障卫星并将其实时剔除,星座重构后能够使GPS的定位莰差处于正常的范围内。     

结合经验模态分解的振动信号趋势项提取方法

提出一种结合经验模态分解（Empirical Mode Decomposition,EMD）的振动信号趋势项提取方法。利用EMD将信号分解为一系列固有模态函数（Intrinsic Mode Function,IMF）,根据振动信号过零点特性,对属于趋势项的IMF分量进行判别,并对判别为趋势项的IMF分量进一步利用最小二乘法进行趋势项拟舍,将拟合结果求和作为最终趋势项。数值模拟试验和实测数据处理结果表明,这一方法无需假设趋势项类型,且可不受EMD过程中模态混叠和端点效应的影响,使趋势项提取更为准确。     

基于CMAC的伺服系统控制研究

针对高精度伺服系统中存在的非线性和各种不确定性因素,提出了基于小脑模型神经网络的复合控制方法,控制器由前馈控制器、比例微分控制器(PD)和小脑模型神经网络控制器(CMAC)构成,该方法在传统的PD+前馈控制方法上加入了CMAC神经网络算法的快速学习,精确逼近的优点,既保证了快速实时跟踪,又进一步提高了跟踪精度。实验结果证明,用CMAC控制方法后系统的跟踪精度比PD＋前馈控制方法提高近一个数量级,同时该方法对摩擦引起的波形畸变有很好的抑制作用,仿真和实验研究表明了该方法的可行性和有效性,并能满足实时性要求,对提高伺服系统的高精度动态跟踪性能有很好的工程参考价值。