一种用于热校准风洞的数据采集系统集成及软件设计

简要介绍了研华ＡＤＡＭ４０００系列模块的性能及其特点,并详细阐述了利用该系列模块组成一种用于热校准风洞的数据采集秕 及ＬＡＢＴＥＣＨＣＯＴＲＯＬ组态软件包在整个中的应用。     

起始点位置偏差对精密GPS差分定位影响的研究

从理论上讨论了起始点位置误差对ＧＰＳ基线解算精度的影响,并对实测资料进行了模拟计算,得到了与理论计算值相吻合的结果。指出：ＧＰＳ网中起始点的位置偏差不影响基线解的内部精度,但使ＧＰＳ基线解产生系统性偏差,偏差的大小与起始点位置偏差的大小成正比,与基线平均纬度的正切函数值成正比。文章最后,对在“ＳＡ”和“ＡＳ”技术影响下,进行高精度ＧＰＳ差分定位时,如何测定网中具有较高精度的ＷＧＳ８４坐标起始点问题,提出了建议。     

一种航天器星上时间获取方法

星上时间获取精确度直接影响了航天器各项自主功能的执行。准确获取星上时间的主要挑战来自时间获取动作与时间维护动作之间的数据竞争。在中断嵌套导致高优先级中断与秒中断间发生数据竞争时,需要根据秒中断被嵌套的状态决定在高优先级中断中获取星上时间时是否进行进秒修正。在现有适用于高优先级中断嵌套秒中断场景下的星上时间获取方法中,依赖处理器中断状态判定秒中断是否被嵌套,这导致该方法不能适应某些处理器。为解决这一问题,提出了一种不依赖中断状态的星上时间获取方法。相邻两次秒中断之间的时间被分为存在中断嵌套可能的时段和不存在中断嵌套可能的时段。若存在中断嵌套可能,通过时间维护标识判断是否需要对获取的星上时间进行修正。和现有方法相比,该方法不依赖处理器,计算复杂度相当,适用范围更广。该方法已在火星探测器的多台星载计算机上应用并取得了良好的效果,可为后续航天器软件设计提供参考。     

基于矢量控制的五相永磁同步电机相电流重构方法研究

针对五相永磁同步电机控制需要电流传感器数量多、成本高的问题,提出了一种五相永磁同步电机相电流重构方法。它只使用两个电流传感器便可实现对五相电流的全采集,能有效减少硬件电路的成本和复杂性,重构精度和速度能够满足五相电机控制的需要。最后在MATLAB仿真中对所提方法进行验证,仿真结果证实了所提方法的正确性和有效性。     

基于BP神经网络的飞行训练品质评估

为了弥补现有飞行训练品质评估系统存在的不足,本文提出利用飞行员生理信号和飞行操作参数来构建评估指标体系。建立了基于BP神经网络的飞行员飞行训练品质评估模型,通过已完成训练的网络的权值分布计算出各输入指标对最后评分结果的影响,并通过算例分析检验了该模型的可靠性。检验结果表明:经BP神经网络模型训练得到的结果和样本的专家评分基本吻合,选取的评价指标有效,该评估模型能够有效地将飞行员生理信号与飞行训练参数相结合,对飞行员的飞行训练品质进行评价。     

光纤通道数据采集存储系统设计与实现

随着光纤通道技术在军用和民用中大量应用,光纤通道数据的采集存储对光纤网络的监控、测试有重要的意义。本文实现了基于FPGA的四路光纤通道数据采集、存储和转储系统。该系统利用aurora接口连接采集卡与存储卡,通过PCI将存储卡数据转储于主机。本文说明了整个采集存储系统的结构与采集卡的逻辑实现。该系统通过了逻辑功能仿真,并实际测试表明该系统能够对光纤通道数据进行快速的采集,存储和转储。     

一种新型的A／D转换器

本文介绍了一种设计Ａ／Ｄ转换器的新技术一分段Ａ／Ｄ转换技术,此技术用低位Ａ／Ｄ转换器,在不降低转换速度的情况下,实现了较高精度的Ａ／Ｄ转换,从面在一定程度上解决了Ａ／Ｄ转换器高精度与高速度之间的矛盾。     

模型旋翼风洞试验中变距拉杆载荷的测量

桨叶变距拉杆操纵载荷是旋翼设计的重要参数之一。在参考了常规飞机模型风洞试验测力元件及国外测量方法的基础上,研制了具有足够刚度和强度,且有较高载荷灵敏度的新式变距拉杆测力元件,解决了高刚度与高的载荷灵敏度要求这一矛盾。同时采用了信号放大技术,将其成功地应用于旋翼模型试验,并获得了操纵载荷这一重要参数     

线圈压床伺服控制技术应用

WPN系列数控线圈压床是集机、电、液、计算机控制为一体的大型变压器线圈生产的设备。其控制系统采用了先进的多轴运动控制卡作为主控制系统,辅助以液压伺服系统、数据采集与处理系统、安全防护系统的全新结构、性能先进的伺服数控线圈压床。     

Asymptotic Performance of Sparse Signal Detection Using Convex Programming Method

The detection of sparse signals against background noise is considered. Detecting signals of such kind is difficult since only a small portion of the signal carries information. Prior knowledge is usually assumed to ease detection. In this paper, we consider the general unknown and arbitrary sparse signal detection problem when no prior knowledge is available. Under a Neyman-Pearson hypothesis-testing framework, a new detection scheme is proposed by combining a generalized likelihood ratio test (GLRT)-like test statistic and convex programming methods which directly exploit sparsity in an underdetermined system of linear equations. We characterize large sample behavior of the proposed method by analyzing its asymptotic performance. Specifically, we give the condition for the Chernoff-consistent detection which shows that the proposed method is very sensitive to the 2 norm energy of the sparse signals. Both the false alarm rate and the miss rate tend to zero at vanishing signal-to-noise ratio (SNR), as long as the signal energy grows at least logarithmically with the problem dimension. Next we give a large deviation analysis to characterize the error exponent for the Neyman-Pearson detection. We derive the oracle error exponent assuming signal knowledge. Then we explicitly derive the error exponent of the proposed scheme and compare it with the oracle exponent. We complement our study with numerical experiments, showing that the proposed method performs in the vicinity of the likelihood ratio test (LRT) method in the finite sample scenario and the error probability degrades exponentially with the number of observations.