专用测试系统校准技术探讨

测试系统是执行测试任务的传感器、仪器和设备的总称.专用测试系统量值控制和测量不确定度的控制对保证型号产品质量有十分重要的意义.专用测试系统校准方法的研究是国防军工计量的工作重点之一.本文针对专用测试系统的特点、现状、以及校准工作存在的问题,进行了分析研究.对专用测试系统的校准方法及测量不确定度评定进行了适当的探讨.     

双压法湿度发生器标准装置测量不确定度评定

介绍了双压法湿度发生器标准装置的技术指标、测量方法和不确定度评定.测试结果和不确定度分析表明,该发生器在25～ 25℃测量范围内,露点温度测量的不确定度不大于0.04℃.满足我国湿度量值传递的准确度要求.     

浅谈飞行区滑行引导标记牌改造工程的不停航施工管理

2008年4月30日,民航华东管理局正式批准了禄口机场的飞行区滑行引导标记牌不停航施工申请,5月5日开始进行不停航施工作业。本次飞行区滑行引导标记牌改造工程工作量虽然不太大,但由于是不停航施工,施工时既不能影响正常飞行又不能对其设施造成损坏,安全管理、施工管理比     

ERP系统中供应商评价模型研究

基于混合层次分析法(AHP),提出了信息不完备情况下的供应商评价指标体系.根据AHP算法确定评价体系中各指标的权重,对于无法量化的指标,由多个测评人打分(群组决策),并且针对群组决策的信息不完备问题,引入特征根法对判断矩阵排序向量进行排序以选择供应商,同时给出了在大型制造企业中的应用案例.     

冲压发动机燃烧室内低频燃烧不稳定试验

在高空亚燃冲压发动机研究中,燃烧不稳定是一个突出问题.为解决30km,Ma =4亚燃冲压发动机直连式试验中所出现的低频燃烧不稳定问题,分析了燃烧室的声学特性,得出了燃烧不稳定的主要特征是燃烧放热与一阶纵向声振模态相藕合.采取在燃烧室内增加后向台阶形成凹腔的方法,成功得到了较为稳定的燃烧.     

一种空气流量测量装置对比标定和不确定度评定方法

叙述了小尺寸流量管的校准方法和不确定度评定方法,分析了采用对比标定法校准小尺寸流量管流量系数的原因,并给出了某流量管校准试验结果和不确定度评定结果.结果表明,即使标准节流装置的测量精度不满足标准要求,但只要其不确定度已知,仍可用于其它流量装置的校准,而且可评定被校流量测量装置的不确定度.     

两米光栅—线纹自动测量仪测量不确定度的评定(一)

以不确定度的概念对两米光栅—线纹自动测量仪的测量质量、水平进行了评定,给出了该仪器测量光栅尺和线纹尺的不确定度指标。     

基于形状改变比能和材料属性离散的焊接残余应力估算

为了提高焊接残余应力测量精度,在2219-T87铝合金TIG焊接接头残余应力测定试验基础上,通过离散接头材料属性并利用形状改变比能对焊接残余应力进行塑性修正,分别研究孔边塑性变形和接头强度不匹配对焊接残余应力估算的影响。结果表明：同时考虑孔边塑性变形和接头强度不匹配因素的焊接残余应力估算方法,比线弹性残余应力计算方法能最大减小39.8%的误差;当测量点距焊缝距离小于8mm时,在考虑孔边塑性变形的情况下,同时考虑接头不匹配的影响相比不考虑其影响可最大减小40.6%的误差;当测量点距焊缝距离大于8mm时,可忽略接头强度不匹配对焊接残余应力估算的影响。     

压力敏感涂料特性及其校准技术实验研究

 精细化的校准技术和涂料特性研究是影响压力敏感涂料(PSP)测量技术测量精度及其工程应用的重要因素。为此以PSP地面实验测量系统为主要平台,进行了国产PSP的静态校准和光降解实验,基于自主编制的PSP静态校准图像后处理程序研究了PSP压力、温度灵敏度之外所展现出的重要特性。研究结果表明:一定压力范围内,PSP的Stern-Volmer响应曲线呈现出较为明显的非线性,在校准中应采取高阶Stern-Volmer关系式进行拟合;在均匀压力和温度下,不同样片区域的校准结果呈现出空间不均匀性,这种不均匀性会影响PSP的校准精度;PSP存在光降解效应,其降解曲线在一定时间内近似为线性。同时,本文还简要分析了其产生机理以及对PSP测量精度的影响,初步提出了相应的评估指标及改进措施。     

面向不均匀飞机舱音信号样本的模糊支持向量机识别方法

 针对驾驶舱话音记录器(CVR)中记录的舱音背景信息多而复杂、频率范围宽、非平稳等特点,通过对15种舱音信息进行傅里叶变换和小波包变换,依次提取其Mel倒谱系数(MFCC)和小波包分解系数(WPC),利用距离可分性判据对MFCC和WPC信息进行压缩融合,得到舱音信息特征向量。设计了面向不均衡样本的模糊支持向量机(FSVM),分别计算每种类别样本及其内每种舱音信息的2个隶属度,然后利用FSVM对舱音信号进行分类识别,解决了CVR信号含噪奇异样本和数目不均衡样本时识别性能较差的缺点,实验表明该方法明显优于常规支持向量机(SVM)和FSVM,分类识别率达到98.33%。