对某型航空发动机参数的调整分析

分析某型发动机部件对有关性能参数的影响和调整机理,针对因部件效率下降较多引起的性能参数不能同时符合技术要求的问题进行分析,提出适当减小喷管喉部截面面积最小液压限制值来进行调节,使之符合技术要求。     

面向绿色制造的高效冷却技术及其试验

绿色制造和高效加工是21世纪先进制造业的必然趋势,为实现绿色高效加工,本文提出了一种新型的绿色高效冷却技术——低温气动喷雾射流冲击冷却技术,通过低温气流运载少量冷却液以喷雾射流冲击的形式到达加工区实现强化换热,将加工区的换热水平提高到一个全新的水平.瞬态实验结果表明,在射流速度40 m/s、靶距10 mm的射流条件下,这种冷却方式可提供的临界热流密度高达60W/mm^2,相对于磨削发生烧伤的临界热流密度提高了6倍以上.     

内埋电阻丝阵列检测复合材料表面裂伤初探

探讨了用层间埋置Ｎｉ－Ｃｒ合金丝构成局部网络实现对复合材料表面损伤位置和损伤程度检测。对表面裂纹尖端附近的应力场分布进行了分析,并将试验结果与预测结果进行了比较。实验结果表明：Ｎｉ－Ｃｒ合金丝阵列可以在玻纤／环氧树脂复合材料中用作传感元件,合金丝阵列所反映的裂端附近应力场分布是合理的。     

低温推进剂加注液位信号智能处理技术研究

低温加注系统是运载火箭发射场地面支持设备的重要组成部分,包括低温介质的储存、运输、供给、控制以及安全等内容。由于低温推进剂本身存在低温沸腾、易挥发的特性,其加注过程十分复杂,为满足新一代运载火箭推进剂精准的加注要求,需要实时准确监测加注过程中贮箱内的液位高度。本文针对火箭地面加注过程的液位信号数据,对其三角波电压和线性波电压的特征进行分析、提取,基于BP（Back Propagation,反向传播）神经网络算法完成对不同加注状态的识别检测,并应用于传感器节数判别,优化了液位计算算法,降低了节数人为干预需求,提高了液位测量准确性。经实验测试验证,该方法可有效识别低温加注状态,识别准确率达到90%以上,用于液位信号处理中可显著提升液位高度计算的准确性。     

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

基于分布式星群的全相参雷达低副瓣波束形成设计方法

不同于地面稀布阵相参阵列雷达,分布式星群平台具有高速运动特性,相应地全相参合成效率受限于星间的空时频同步误差、波束指向误差等系统误差约束。提出了一种基于分布式星群的全相参雷达低副瓣波束形成设计方法。首先,从星群系统规模、星间安全距离、远场条件、探测链路等因素入手推导了有效探测距离区间。接着,给出了同步误差、波束指向误差以及卫星高速运动特性对全相参合成效率的定量影响评估方法。最后,利用空时频多维联合方法实现了低副瓣稳健波束形成,可有效增加无模糊视场范围,适用于实际星群规模有限的应用场景。仿真结果验证了所提算法的有效性。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

双星双频地面快速运动目标成像与参数估计

在多输入多输出合成孔径雷达(MIMO-SAR)的基础上,提出使用双卫星、双工作频率实现地面快速运动目标检测、成像和参数估计的方法。利用广义二阶Keystone变换对提取出的运动目标进行距离徙动校正,针对快速运动目标的多普勒模糊问题,使用修正的离散调频傅立叶变换结合最小波形熵搜索完成目标多普勒参数估计后,利用数值搜索的方法对不同工作频率下的速度集合进行交集求解得到目标真实速度值,并给出了一种运算量较小的快速搜索算法。最后,计算机仿真表明了方法的有效性。     

基于卫星观测数据的弹道导弹初始状态估计

利用卫星探测数据对大气层外飞行的弹道导弹弹道进行估计。在极大似然估计中,由于卫星探测导弹运动的可观测性较差,使初始点估计变得十分病态,传统的Gauss Newton迭代算法不再适用,而采用较为复杂Levenberg Marquardt算法,分别对单颗卫星和两颗卫星的情况进行了Monte Carlo仿真,得到了各自的归一化残差测量误差(代价函数),结果表明该算法有效。