装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。     

轨道转移飞行器复杂环境下假星干扰与星图识别研究

通过复杂环境下假星模拟,研究假星数目及K矢量查找角距阈值ε对星图识别成功率的影响,采用惯性数据辅助识别的方法,改善了星图识别的成功率.星图识别仿真结果表明,存在假星情况下,假星数目的增加及K矢量查找角距阈值ε的增大会降低星图识别成功率,假星数为7,ε取8″时,成功率仅为42.7％;惯性数据辅助识别相较于传统星图识别成功...     

基于均值的副翼作动筒载荷事件划分方法

副翼是民用飞机重要操纵面之一,主要功用是产生飞机滚转力矩,用于改变飞机的航向。现代中大型飞机的操纵系统大都采用伺服作动器-操纵面装置,当操纵面受到铰链力矩时作动器也相应受载。以民用飞机副翼作动筒为研究对象,基于试飞实测数据与主操纵面作动筒载荷计算模型,提出了一种基于均值的作动筒载荷事件划分方法。结果表明,该事件划分方法效果理想,较好地反映出了不同飞行事件之间载荷均值的差异。通过对14 000次飞行作动筒载荷历程进行雨流处理,给出了相应的载荷谱及载荷幅值、均值分布直方图,总结出相关分布规律。该疲劳载荷谱及相应的分布规律对工程实践中的寿命计算具有重要意义。     

压差载荷对蜂窝夹层结构分层扩展影响研究

复合材料蜂窝夹层结构随飞机起飞-巡航-降落过程中,反复经受内外压差载荷。为研究地空地压差载荷对复合材料蜂窝夹层结构中蒙皮和蜂窝之间胶接面分层扩展行为的影响,设计了可叠加压差疲劳载荷谱和压缩疲劳载荷谱的试验装置,对含预埋分层的复合材料蜂窝夹层平板开展了重复载荷试验研究,一组试验施加压缩疲劳载荷谱,另一组试验施加压缩疲劳载荷谱叠加地空地压差载荷谱。破坏试验件的剖切检查表明预埋分层沿垂直于压缩载荷方向在胶接层内扩展。在约80%极限载荷水平的压缩疲劳载荷谱下,分层初始经历一段缓慢扩展,达到一定程度后开始加速扩展直至破坏。叠加的压差载荷谱使分层扩展速率显著加快。基于试验构型的有限元仿真分析表明压差载荷作用下蒙皮与蜂窝之间的面外剥离应力是导致损伤扩展加快的主要原因。     

一种GPS定位信息可用性的实时判定方法

基于GPS接收机输出数据,采用3级AR模型来预测下一时刻的GPS输出值,并与实际的输出值相比较,以一定的检测门限,判断当前时刻定位信息的可用性。通过仿真证明该方法的有效性,为GPS的可用性判定提供了一种方法。     

通信卫星灵活载荷技术综述

通信卫星逐步由高轨地球同步轨道卫星向高、中、低轨结合的全球覆盖卫星方向发展,多业务和多重覆盖的发展趋势对通信卫星的灵活性提出了更高的要求。通信卫星配备灵活载荷已经成为重要发展方向,对面向个人用户的高通量通信卫星及高、中、低轨结合的组网通信卫星来说尤为重要。配备灵活载荷的通信卫星能实现端到端业务,能灵活调整覆盖区,实现灵活组网,并提升资源利用率。分析了国内外通信卫星灵活载荷的发展动态,介绍了通信卫星灵活载荷的技术特点,并给出了有效载荷方案,最后阐述了通信卫星灵活载荷发展的关键技术及发展思路。     

不同材料安装底座对冲击传感器灵敏度影响试验研究

传感器在航天器上螺接安装时需增加安装底座.针对聚酰亚胺等非金属材料安装底座可能存在降低冲击传感器安装谐振频率从而引起传感器灵敏度误差的问题设计铝合金材料安装底座,并分别进行冲击传感器不带安装底座、带聚酰亚胺安装底座和带铝合金安装底座3种情况下的灵敏度检定试验,以验证不同安装方式对冲击传感器灵敏度的影响.试验结果表明,安...     

基于被动探测的目标磁扰动信号检测与定位

针对目标探测定位的快速发展中,军事领域主动雷达存在的缺陷和实现具有高度隐蔽性的目标检测技术的需求,提出一种基于被动磁矢量测量的目标扰动信号检测与定位技术.该方法利用磁传感器阵列测量目标产生的磁矢量扰动信息,通过滤波、门限检测、基函数展开等技术将有效扰动从复杂的背景场中提取出来,并结合速度估计、磁梯度张量矩阵算法研究任意...     

直升机复合材料结构疲劳寿命评定技术的研究进展与发展趋势

针对直升机复合材料结构的服役环境和外场使用经验,分析了复合材料结构在交变气动环境下所呈现出的高周疲劳载荷特征,指出复合材料疲劳在直升机复合材料结构设计中的必要性.对直升机复合材料结构疲劳定寿体系中涉及的疲劳载荷谱编制方法、损伤失效机理、寿命预测方法及疲劳试验验证4项关键技术的研究进展进行了概述,在此基础上,根据当前复合...     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。