叶片精密定位夹具设计

介绍了叶片精密定位夹具在设计时采用的分体式Ｖ形定位和密封式压紧方式，使夹具结构简单，操作方便。     

短突扩扩压器与火焰筒匹配的实验研究

本研究通过实验的手段在前置扩压器的结构和进口马赫数不变的条件下,改变内、外环突扩角和相对突扩间隙,研究总压损失和静压恢复的变化规律。结果表明:在本研究的参数范围内,存在有最佳的内外环突扩角的组合(β_i=40～45°,β_o=45～50°)及相应的相对突扩间隙(δ=1.8),使得总压损失系数σ*有最小值。      

Visual FoxPro类设计器的应用实践

以数据记录指针的定位及查询功能的实现为例,详细介绍了使用类设计器将系统控件组合成用户定义控件的方法.     

基于脉冲激光定位的SRAM单粒子闩锁事件率预估

器件单粒子闩锁效应(SEL)预估方法一般是建立在只有一个敏感体积单元的长方体(RPP)模型上,静态随机存储器(SRAM)单粒子闩锁敏感区的定位试验结果表明敏感体积单元不仅有一个.利用脉冲激光定位SRAM K6R4016V1D单粒子闩锁效应敏感区的试验结果对器件在轨SEL事件率进行了修正计算.首先利用脉冲激光定位SRAM SEL敏感区,获得敏感区的分布情况,并确定整个器件敏感体积单元的数量.然后针对不同的空间轨道、辐射粒子以及敏感体积厚度和敏感体积单元数进行了相应的器件SEL事件率计算,并对计算结果进行了分析讨论.结果表明,重离子引起的SEL事件率随敏感体积单元数量的增大而减小;修正敏感体积单元数量对预估质子引起的SEL事件率非常必要,否则将会过高评估质子直接电离作用对SEL事件率的贡献.      

“嫦娥3号”月面探测器同波束干涉测量系统的设计与实现

为了提高"嫦娥3号"探测器(着陆器和巡视器)的相对定位精度,针对两器信标实际设置情况,设计了同波束干涉测量(same-beam interferometry,SBI)观测方案。利用着陆器和巡视器星地对接数据分析检验了由差分群时延解算含微小系统差的差分相时延的方法,给出了甚长基线干涉测量(very long baseline interferometry,VLBI)和同波束干涉测量模型及月面定位方法,并仿真分析了巡视器的相对定位精度。最终,把研究的方法实际应用于"嫦娥3号"巡视器的精密相对定位。结果表明,利用1h左右的连续观测弧段的着陆器数传信号以及巡视器数传信号(或遥测信号),采用事后处理方式,得到了随机误差约1ps的差分相时延数据。利用此数据,把"嫦娥3号"探测器的相对定位精度提高至1m左右。     

基于视线测量和轨道预报高轨非合作目标相对导航方法

对于非合作目标,由于中远距离星上相对测量手段有限,大多情况仅能获得视线角信息.仅视线测量相对导航方法在GEO轨道条件下滤波精度低、可观测性差.提出一种基于星间视线方位测量和轨道预报信息结合的非合作目标相对导航方法.建立基于星间相对运动模型的状态方程和基于星间视线测量和轨道预报信息的观测方程,分别选取了扩展卡尔曼滤波和无迹卡尔曼滤波两种方法,仿真分析了轨道预报信息精度和滤波方法对导航精度的影响.     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

基于铱星机会信号的定位技术

全球导航卫星系统（GNSS）到达地球表面的信号弱,易受干扰,并且需要投入大量的基础设施,而机会信号可有效弥补这方面的不足。针对目前陆基机会信号（广播、数字电视和移动基站等）存在的覆盖性、可用性限制,提出了利用铱星系统实现天基机会信号定位。通过对铱星信号的通信体制进行深入研究,建立了瞬时多普勒定位数学模型,提出了利用铱星信号的单音信号获取多普勒频率信息,并结合轨道预测模型计算的卫星轨道信息实现铱星定位的方法。实测数据验证结果表明,利用实际铱星信号能够实现精度优于200 m的定位。研究成果对基于机会信号的定位技术的理论研究及应用具有参考意义。      

基于编解码双路卷积神经网络的视觉自定位方法

为了从单张RGB图像估计出相机的位姿信息,提出了一种深度编解码双路卷积神经网络（CNN）,提升了视觉自定位的精度。首先,使用编码器从输入图像中提取高维特征;然后,使用解码器提升特征的空间分辨率;最后,通过多尺度位姿预测器输出位姿参数。由于位置和姿态的特性不同,网络从解码器开始采用双路结构,对位置和姿态分别进行处理,并且在编解码之间增加跳跃连接以保持空间信息。实验结果表明:所提网络的精度与目前同类型算法相比有明显提升,其中相机姿态角度精度有较大提升。      

基于多维多层立体指标PNT优选策略与评估方法

复杂场景下,无人系统需要快速、可靠、精准决策的导航定位和授时(Positioning, Navigation, and Timing, PNT)手段。目前,PNT手段的优选大多依赖指挥员的经验,其任务繁重。为了将指挥员从决策任务中解放出来,进而专注于对战,需构建基于多维多层立体指标的PNT服务手段,以及设计PNT优选策略,并对优选策略进行评估。本文在无人系统可用的导航手段基础上,从系统工程思想出发,基于能评估思想体系和常规评估流程,建立无人系统PNT导航手段优选策略体系,通过模糊层次的分析方法,对体系指标进行量化。通过无人机的典型应用案例表明,本文所提的方法可以获得不同维度的综合效能定量数值,在多任务多场景下供指挥员参考并进行决策,该方法可为我国的PNT体系建设提供支撑。