ATC模拟系统中存贮系统的容错技术

ATC 模拟系统是一个比较复杂的,实时性很强的控制系统,要求整个系统的可靠性很高。而对于一个系统来讲,其中央存贮系统是保证整个系统正常工作的关键部件之一。在我们引进的系统中,它的容错技术在设计上有其独到之处。本文就其存贮系统的结构、容错技术及支持电路这三部分予以说明和论述,仅供同行参考。     

星外管路多层隔热组件热参数确定方法

提出了利用整星热平衡试验数据确定星外管路多层组件热参数的方法,解决了以往星外管路热设计在地面热试验验证不充分的难题。以某卫星星外管路为例,通过对星外管路试验状态模型的修正,确定了星外管路多层隔热组件热参数,并分析了星外管路的在轨极端温度。根据确定的星外管路多层隔热组件热参数计算出的星外管路温度,与在轨温度数据符合较好,验证了此方法的有效性。     

垭口地貌要素对风速分布规律影响的风洞试验研究

输电线路微地形气象灾害的调查研究显示,垭口地貌影响下的输电线路风偏闪络事故多发。鉴于垭口地貌不同位置处的风剖面分布规律尚不明确,借助风洞试验,研究了垭口地貌的山丘坡度、谷口宽度等地貌要素对山谷及山脊中轴线上风速分布规律的影响。风洞试验结果表明：与平地风速相比,山谷中轴线及山丘峰顶处风速的最大加速幅度分别达到了33％和53％,明显大于规范规定的10％,容易造成垭口区域内输电线路风偏闪络或倒塔;山谷中轴线风速修正系数随两侧山丘坡度增加而增加,随谷口宽度增加而减小,提出了符合这一规律的计算公式;山谷中轴线上,下风侧风速加速效应略强于上风侧;垭口两侧山丘山顶处风速未受垭口地貌影响,风洞试验测得风速修正系数与单体山丘拟合公式的计算结果基本一致;设计时可统一偏于保守地取用山丘顶部的风速修正系数对平地风速予以修正。     

一种折叠弹翼悬挂物的分离轨迹试验技术

提出了一种新的折叠弹翼悬挂物机弹分离轨迹试验技术,重点解决了在机弹分离过程中折叠弹翼动态展开时悬挂物的气动力获取问题。研究表明,提出的试验技术通过将悬挂物气动力修正方法引入到悬挂物分离安全性研究当中,准确地得到悬挂物的分离特性,解决了折叠弹翼悬挂物分离轨迹风洞试验技术瓶颈,为折叠弹翼悬挂物的投放分离安全性提供一套工程实用的解决方案。     

弹道修正执行机构综述

二维弹道修正弹是一种低成本、高精度的精确打击弹药,修正机构是弹道修正弹上的重要部件,其性能决定了弹丸的弹道修正能力。针对弹道的二维修正需求,介绍了国内外对二维弹道修正弹修正机构的研究状况;列举了应用在二维弹道修正弹上不同类型的修正机构;阐述了不同类型修正机构的工作原理、特点以及各自的局限性。最后,对不同类型修正机构特性进行了比较,给出了相关技术指标,对比了各自的优缺点。阐述了选择和设计执行机构应注意的问题。     

校罗差时磁偏差设定为零的机理分析

在飞机地面通常检查时,磁差给定器磁偏差值往往设定为当地磁差,才能得到正确的航向。校正磁罗差时,只有将磁差给定器设定为000.0,不然罗差计算会大大溢出指标。文章通过磁罗差校正的原理和校正方法的论述,进一步分析了校罗差时将磁偏给定器设定为000.0的工作机理。     

攻角试飞测试基准的误差修正

阐述了攻角测量误差的成因和攻角试飞校准的必要性。选定机头空速管攻角传感器为攻角试飞的测试基准，分析其攻角探测特性，并运用细长旋成体理论重点计算了机体绕流对攻角测量的影响量。探讨了攻角试飞测试基准的误差修正问题。     

准分子激光矫正屈光不正的原理及其实现

研究了准分子激光治疗屈光不正的原理及其实现方法，介绍了准分子激光治疗屈光不正的原理及其种类。在初始角膜模型假设的基础上，提出了能够用于近视、远视和散光等屈光手术的数学模型，计算出切削量和切削的层数，并给出了相应的算法框图。就准分子激光角膜切削机理和“飞点扫描”等关键技术进行了研究。研究成果直接用于准分子激光眼科治疗机，并给出了准分子激光眼科治疗机的原理框图。实验和临床数据表明。取得了满意的手术效果。     

壁面摩擦对风洞侧壁干扰的影响

本文研究了摩擦对风洞侧壁干扰的影响。在以Barnwell为代表开展的一系列侧壁干扰研究中,所有工作都未计及摩擦的影响。我们认为,Barnwell等人的这一处理理论上有缺陷。对此,本文用Karman-Pohlhausen方法对侧壁边界层作了分析,指出摩擦对侧壁干扰有不同程度的影响,具体取决于Pohlhausen参数B的大小;B越小,影响越大。Barnwell略去摩擦项的结果只对应于分离边界层情况,而事实上Barnwell处理的是附着边界层。通过这一分析,本文建立了有摩擦影响的侧壁干扰修正的新形式;考虑到多种因素的影响,初步建议参数B按中间值取为B=3～4。最后,就修正参数δ~*的确定作了一定讨论。     

Using TensorFlow-based Neural Network to estimate GNSS single frequency ionospheric delay (IONONet)

In the last 20?years, and in particular in the last decade, the availability of propagation data for GNSS has increased substantially. In this sense, the ionosphere has been sounded with a large number of receivers that provide an enormous amount of ionospheric data. Moreover, the maturity of the models has also been increased in the same period of time. As an example, IGS has ionospheric maps from GNSS data back to 1998, which would allow for the correlation of these data with other quantities relevant for the user and space weather (such as Solar Flux and Kp). These large datasets would account for almost half a billion points to be analyzed. With the advent and explosion of Big Data algorithms to analyze large databases and find correlations with different kinds of data, and the availability of open source code libraries (for example, the TensorFlow libraries from Google that are used in this paper), the possibility of merging these two worlds has been widely opened. In this paper, a proof of concept for a single frequency correction algorithm based in GNSS GIM vTEC and Fully Connected Neural Networks is provided. Different Neural Network architectures have been tested, including shallow (one hidden layer) and deep (up to five hidden layers) Neural Network models. The error in training data of such models ranges from 50% to 1% depending on the architecture used. Moreover, it is shown that by adjusting a Neural Network with data from 2005 to 2009 but tested with data from 2016 to 2017, Neural Network models could be suitable for the forecast of vTEC for single frequency users. The results indicate that this kind of model can be used in combination with the Galileo Signal-in-Space (SiS) NeQuick G parameters. This combination provides a broadcast model with equivalent performances to NeQuick G and better than GPS ICA for the years 2016 and 2017, showing a 3D position Root Mean Squared (RMS) error of approximately 2?m.