半自动担架车的运动仿真

在讨论半自动担架车工作原理的基础上，应用运动学原理将担架车整个运动过程进行了分析。应用矩阵理论对担架车任意位置的13个关键点进行运动求解和运动仿真。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

基于液压驱动的动态试验控制系统设计

介绍了应用液压驱动形式构建风洞动态试验控制系统的软硬件设计方法,包括液压马达、伺服阀的参数计算及选型,液压伺服位置控制系统设计方案,基于前馈控制和模糊比例-积分-微分(Proportion-Integration-Differentiation,PID)控制算法的设计思路,简谐运动的实现方法等。通过试验数据分析,该套系统在5°/2.5 Hz和40°/0.8 Hz以下的振幅/频率组合指标运动下,满足幅值差10%和相位差10°以内的控制指标要求,同时分析得到伺服阀死区特性是运动频率对指标造成影响的主要原因,并得出了基于液压驱动的动态试验系统较传统电机驱动系统的优缺点。     

变质心自旋弹头的姿态运动建模与仿真分析

为了明确直观地表现自旋弹头姿态运动与控制量之间的关系,采用牛顿力学方法建立了自旋弹头的姿态运动模型。选取质量块的运动方式为正弦运动,推导了质量块的运动加速度。为了分析质量块运动对自旋弹头姿态运动的影响,构建了仿真模型,选取质量块的三种不同运动频率进行了对比仿真。仿真结果表明,质量块的运动频率越大,即其运动加速度越大,引起的自旋弹头俯仰角和偏航角的变化范围越大,自旋弹头的机动能力越大。     

镍基单晶合金黏塑性行为的微力学模型

考虑镍基单晶合金细观两相共格的微组织结构特点,采用周期性胞元假设,在胞元不同区域构建其三维应力应变解析模型,并针对细观胞元中位错的增殖、攀移、切割及恢复等主要机制建立其黏塑性应变模型,二者结合较全面地模拟了镍基单晶合金SC16和DD3在1123 K和1033 K下的单调拉伸、蠕变及循环特性.根据模拟结果,对黏塑性应变模型中各个位错机制所起的作用及控制方式进行了具体分析,通过与试验曲线比较,得到了较一致的结果.      

一种无人机变后掠翼机构的设计与仿真研究

提出了一种变后掠翼机构的设计方法,能根据机翼平面形状参数,合理布置变掠机构、确定机构部分主要参数,并能得到机翼的运动规律。首先提出了变后掠翼机构方案,将运动机构抽象为数学模型;然后对各参数进行详尽的设计和计算,并对机翼的运动进行了数值分析,在此基础上建立了一种变后掠翼机构设计方法。运用方法对具体的算例,建立机构三维模型,进行运动模拟仿真,CATIA运动仿真结果与MATLAB数值计算结果一致,证明了方法的有效性和合理性。     

系统科学与民航安全文化建设

用现代系统理论观战,审视了中国民航安全文化建设的历史经验,得出了有益于安全文化建设的指导思想。首先,通过对安全文化与民航系统的协同问题的分析,探讨了对”安全第一“原则的深层次理解及在实际工作中的把握;其次,研究了系统的运动与安全文化发展的内在关系,提出了保证安全文化建设健康发展的思路。     

水下喷雾发动机非设计点性能分析

针对水下喷雾发动机非设计工况下运行特性,建立数学模型并开展数值模拟研究,分析了航行体速度及环境压力对发动机性能的影响等,以期全面了解发动机特性,为其设计工作奠定理论基础。计算结果表明:当发动机应用于航行速度大于发动机设计速度的航行体时,需增大通入气体质量流率,但发动机推力略有减小,推进效率增大;环境压力大于发动机设计工况时,需减小气体质量流率,同时发动机推力及推进效率均减小。通过反馈控制调节气体质量流率及压力,可使发动机动力输出满足航行体一定速度范围内航行的推力需求。      

人体上呼吸道内稳态气流运动特性的PIV初步试验研究

人体上呼吸道内气流组织形式的研究对于进行气溶胶在呼吸道内的沉积分析具有重要的意义.应用粒子图像速度仪(Particle Image Velocimetry,PIV)对人体上呼吸道内的稳态气流运动特性进行了试验研究,研究结果表明:口腔中、下部气流速度略大,其它位置速度相对较小,咽部外壁气流速度较大,高速气流贴近喉部和气管内壁向下流动,在内壁形成高速区域.咽部外壁、喉部和气管内壁分布的气动剪切力较大,承受的气动负荷较大,容易造成壁面劳损和组织损伤.     

基于脑电和眼动信号的人机交互意图识别

意图识别在人机交互（HCI）领域受到广泛关注,传统人机交互意图识别方法单纯依靠脑电（EEG）或眼动数据,不能很好地利用2种方法优点。为此,提出了一种融合脑电和眼动数据的人机交互意图识别方法,通过采集脑电和眼动信号,进行特征提取,输入机器学习模式识别网络进行意图识别,并基于Dempster-Shafer （D-S）证据理论进行决策层融合得出最终识别结果。招募了20名有效受试者进行交互意图识别实验,结果表明,基于脑电和眼动信号的人机交互意图识别方法识别准确率高于单纯依靠脑电和眼动数据的方法,可为下一步飞行器和武器系统人机交互系统自适应设计提供理论依据和技术支持。