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。     

浅谈混凝土外墙单面网聚苯板外保温施工及质量控制

本文通过对石家庄某住宅聚苯板与墙体一次浇注成型施工质量的监理过程的阐述,介绍该工艺的流程及特点,探讨其在今后工程中的应用.     

科研生产一体化人力资源评价及其应用

对科研生产一体化事业部人力资源评价进行了探讨与研究,在对人力资源状况进行具体分析的基础上,给出了其评价指标体系,并采用层次分析法理论对其评价模型进行了权重确定.通过案例分析,提出了科研生产一体化人力资源评价的改进方向.     

基于Simulink的多体机械系统模型转换方法设计与实践

模块框图作为成熟的图形化建模技术应用十分广泛,采用该技术的MATLAB/SimMechanics可进行多体机械系统的建模和仿真,然而对于建模精度要求高、需要实时仿真的柔性、大型多体机械系统比如空间站来说,SimMechanics有明显不足,而DARTS^M软件包可对航天器机械系统进行高精度实时仿真.本文深度解析这两款软件的底层建模技术,根据模型信息的对等关系,设计出模型转换的具体方法,通过C++编程,开发出模型转换程序,从而将航天器多体机械系统的SimMechanics模型转换为DARTS^M模型.通过本文的模型转换方法和程序,可以将两款不同软件各自的优点结合到一起,使得SimMechanics间接地拥有处理柔性体和实时仿真的能力,同时也解决了DARTS^M软件包缺乏图形化建模界面的问题,具有一定的工程应用价值.     

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务,如数传任务。当探测器等待传输的数据量超出用户存储容量时,延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成,导致任务数据丢失,所以需要设计一种合理的地月中继任务调度策略,提高地月中继卫星的资源利用率,减少数据的丢失。对地月中继卫星任务调度进行了研究,在分析地月中继卫星数传任务的特点及用户的存储限制的基础上,以最小化数据丢失量为优化目标,建立了地月中继卫星任务调度模型,并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明,基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法,是一种合理、有效的调度方法。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation,eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor,ASF）值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论：反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。     

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类（MUSIC）算法估计一维几何绕射理论（GTD）的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题,提出一类改进的MUSIC算法。首先,构建原始回波数据的共轭矩阵,有效提高了原始回波数据的利用率;其次,将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均,得到一个新的总协方差矩阵;最后,对矩阵作2次方、4次方等偶次方处理,得到另一矩阵,以达到增大信号特征值与噪声特征值之间差距的作用,等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。      

考虑舵机时滞的阵风减缓主动控制律设计

针对存在舵机时滞环节的气动伺服弹性系统,提出基于Padé近似和线性二次高斯（LQG）控制的阵风减缓主动控制律设计方法。利用Padé近似将舵机中的时滞环节线性化为一个高阶传递函数并引入气动弹性模型,建立线性的阵风减缓受控模型;利用LQG控制方法对线性化模型设计阵风减缓主动控制系统,并采用平衡截断法对所设计的控制系统进行降阶;利用Simulink将所设计的控制系统引入非线性模型中,得到von Karman连续阵风激励情况下系统的开/闭环响应情况。计算结果表明:根据所提方法设计的阵风减缓主动控制律能有效降低原气动伺服弹性系统的阵风响应,对研究对象机身过载的抑制在15%左右,而对翼根弯矩的抑制达到25%以上。      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.