直升机自适应桨叶模型的初步实验研究

为了研究压电陶瓷对复合材料模型的驱动性能，掌握其规律，为自适应旋翼的研究打下基础，文中模仿直升机桨叶设计了一个典型模型试件，利用压电陶瓷在不同布片方式下对其进行驱动，使其产生弯曲和扭转变形。不同条件下的对比实验表明，压电陶瓷作为驱动器可以达到比较好的驱动效果。     

SMART STRUCTURES USING PIEZOELEMENTS FOR ACTIVE VIBRATION AND NOISE SUPPRESSION IN AVIATION AND AEROSPACE

具有减振降噪功能的压电智能结构是智能材料与结构的一个重要分支。在航空航天领域存在一些典型结构,如飞机机舱、空间站、卫星太阳能帆板和通讯天线以及直升机旋翼等,其振动与辐射噪声造成很多不利影响。为了研究这些结构的振动与噪声控制方法,制作了几个实验模型如大型薄壁复合材料圆桶、柔性梁、钢架及旋翼系统模型,通过压电传感器、驱动器布置数量和位置的优化,采用不同的控制算法,在基于个人计算机的测控平台上进行了振动控制实验,取得了明显的减振降噪效果。     

星敏感器误差分析与补偿方法

星敏感器是目前航天器精度最高的姿态测量部件,其误差是影响姿态确定系统精度的关键要素.依据误差频率特性,系统地对星敏感器误差进行分析,主要阐述星敏感器低频误差和高频误差产生的原因以及当前的抑制与补偿方法.在此基础上,根据星敏感器误差的特点,展望星敏感器低频误差以及高频误差抑制与补偿方法的发展趋势.     

月球车地球敏感器图像地心位置提取算法

地球是月球上可视半径最大的天体,且在天球上运动范围较小,不存在升降现象.当月球车在月球对地面区域活动时,利用地球敏感器对地球成像可实现月球车长期自主天文导航.地球图像地心位置提取是利用地球敏感器进行天文导航的关键技术之一,直接决定了地球敏感器的观测精度.本文通过研究地球敏感器镜头投影模型分析地球成像规律,提出一种不受地相变化约束的地球敏感器图像地心位置提取算法,采用取半搜索法和循环搜索法两步实现地球真实边缘线的充分筛选,并基于此拟合地心位置.半物理仿真实验校验结果表明,本算法能针对不同地相图像有效提取地球中心,外符合平均精度约为9.78"~16.68",在实验条件随机改变的情况下,地心位置外符合精度标准差互差最大不超过0.98".      

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

烧蚀端头锥模型激波风洞试验研究

介绍了在激波风洞中用压电天平进行1m量级烧蚀端头大模型五分量气动力试验研究情况。试验目的是测量出烧蚀端头模型的Cm0和Cn0,以期为端头烧蚀模型的Cm0和Cn0换算到全尺寸飞行器下提供试验依据。针对设计部门关心的Cm0和Cn0测量,在天平设计上采取了粗短主体结构另配支杆的方式;在风洞试验中采用正负攻角等较为有效的方法。风洞试验主要结果如下:烧蚀变形对锥模型轴向力影响较大,对其余的气动力分量影响值较小。在0°攻角下Cm0为10-4量级,Cn0为10-3量级,配平攻角约为0.028°。由此表明:激波风洞压电天平能够测量该烧蚀端头模型的小Cm0和Cn0。     

基于电饱和模型的裂纹端部应力场分析

在非线性电弹性理论构架内,采用电饱和条带模型和复变函数方法,探讨了远场均匀载荷作用下无限大压电介质中裂尖附近的应力场,主要关注裂尖附近的应力场。所得解表明,裂尖附近任意一点处的各规格化应力分量均仅由这一点的角度决定,而与该点到坐标原点的距离无关。最后,基于PZT-5H的数值结果对其裂尖附近各面内的应力分量进行了分析,与相关研究结果比较,本文方法得到的解是有效的。     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。