高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

基于F-P腔的激光频率稳定传递方法

量子传感的发展需要频率高度稳定的激光器为基础,且实现大失谐激光频率稳定通常是提高其精度和灵敏度的关键。针对大失谐激光稳频问题,提出了一种利用法布里-珀罗（F-P）腔传递激光频率稳定性的方法。以饱和吸收稳频法锁定的激光器频率为参考,基于锁相原理,锁定F-P腔长度。利用F-P腔长度这个稳定的参考点,实现目标激光器的频率的精确锁定。实验将目标激光器波长锁定于767.001 nm,失谐频率为150 GHz,锁定后的频率漂移为1 MHz/h。该方法解决了激光大失谐稳频问题,对工程实践和科学研究有重要意义。      

(001)SiO2衬底上LiNbO3光波导薄膜的制备

采用脉冲激光淀积技术,在（００１）取向的ＳｉＯ２衬底上制备了ＬｉＮｂＯ３薄膜。为了防止淀积过程缺氧,往淀积腔内充入１０～１５Ｐａ的流动氧气,淀积速度０．３～１．０ｎｍ／ｍｉｎ,淀积时间１ｈ,淀积结束后,充入０．６Ｐａ的氧气,在６５０℃保温０．５ｈ。采用ｘ射线衍射和扫描电镜对ＬｉＮｂＯ３薄膜的微观结构及表面形貌进行了检测。结果表明：ＬｉＮｂＯ３薄膜具有（０１２）,（０２４）典型的ＬｉＮｂＯ３粉末晶体衍射峰,薄膜成分晶体结构比较纯净,而且薄膜表面光滑。利用棱镜耦合法将波长为０．６３８μｍ的激光束耦合到ＬｉＮｂＯ３薄膜中,观察到ＬｉＮｂＯ３薄膜具有较好的光波导性能,可望应用于非线性光学器件     

概率安全评定方法的计算程序及其工程应用

考虑四种主要随机因素：载荷（作用应力）、缺陷尺寸、断裂韧性、流变应力等参数的不确定性,针对较为常见的焊接结构型式,如平板、球罐、圆柱形容器等结构上可能存在的不同缺陷类型,基于双判据失效准则,编制了较为通用的含缺陷焊接结构概率安全评定程序。对国产ＣＦ－６２钢制容积为１５３１ｍ３的球罐可能存在的缺陷进行了概率安全评定,通过对评定参数的敏感性分析,指出了影响其可靠性的关键因素。     

超跨声速喷流流场的PIV测量

对示踪粒子发生装置和几种粒子的特性进行了实验研究 ,发现压缩空气流中自然存在的润滑油粒子在跟随性、分布的均匀性和稳定性、以及浓度方面对于PIV测量都非常有利。实验成功地应用PIV技术对超跨声速喷流流场进行了测量 ,初步分析了测量结果与理论的差异 ,并分析了实验的可靠性和精度。     

最大熵磁共振成象理论

由于在实际磁共振成象系统中,只能得到有限的频谱数据,利用传统的ＦＦＴ方法重建磁共振图象,将导致截断的伪影和低的分辨率。本文提出了一种基于ＡＲ模型的最大熵磁共振成象算法,利用ＡＲ模型外推未知频谱数据,替代了ＦＦＴ方法的填零法重建,并利用了ＢＵＲＧ算法中的ＡＲ模型参数计算的有效性,不仅消除了截断伪影、抑制噪声、提高了分辨率,而且使重建时间与ＦＦＴ方法相当,完全适用于临床应用。     

磁-光/涡流成像技术的有限元分析

近年来迅速发展的磁－光成像（ＭＯＩ）技术使涡流检测技术得到了新的进展。本文运用磁－光／涡流成像的有限元模型对典型的飞机构件缺陷（如连接飞机表面两个铝层的紧固件下面的裂纹）进行模拟。模拟结果表明,其磁场垂直分量的变化对这种结构来说是相当灵敏的,采用ＭＯＩ技术可以用来探测隐藏在紧固件帽下面的缺陷。     

基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。     

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。