一种模拟信号采集电路误差分析方法

针对模拟信号采集电路的误差分析,设计了一种充分考虑各级电路误差的最坏情况分析法。主要分析了影响精度和灵敏度的直流误差。忽略传感器、电缆、连接器、PCB寄生电容和任何外部影响/误差,因为这些误差在很大程度上取决于要测量的具体应用或信号。主要分析模拟采集电路中的典型构建模块,如电阻、放大器、模数转换器等。提出了基于反馈因子β的运算放大器误差模型,模型通过反馈因子而获得分析能力,反馈决定了运算放大器在功能和质量方面的性能,通过与开环误差规范的反馈交互实现。对于电阻和模数转换器主要分析其特性误差。采用最坏情况分析法,将可靠性落实到硬件设计中,使得硬件可以长期无故障工作。     

航天大型薄壁结构装配制造尺寸精度预测与控制方法

大型薄壁结构的弱刚性导致其在制造过程中变形是影响尺寸精度的主要因素,如何对加工和装配过程零组件的偏差场进行精确预测与控制是提升制造质量、改进工艺参数的关键。本文针对大型薄壁结构制造与装配过程偏差场特性进行研究,提出适用于航天大型薄壁产品装配过程偏差场预测与控制方法。以基本变形模式的线性组合构建大型薄壁结构空间偏差场,考虑大型薄壁结构装配过程内应力的协调变形,以零件与装配体之间基本变形模式的映射关系建立大型薄壁结构装配过程偏差场预测模型。基于零件基本变形模式对装配体偏差的贡献量化值进行薄壁结构装配过程偏差溯源,提出两步寻优方法求解零件特定基本变形模式的最优控制点集,以最优控制点集的偏差调整实现大型薄壁结构装配过程的偏差控制,为航天大型薄壁结构装配过程的尺寸精度预测与控制提供理论基础与技术指导。     

高密度封装测试探针台在微波多芯片模块修理中的应用

针对在高密度封装的微波模块中MMIC芯片性能测试不精确导致故障定位不准确的修理需求,借助探针台开展了GaAs驱动放大芯片、GaAs低噪声放大芯片的在片测试研究,掌握了MMIC芯片在片测试的方法,通过测试结果与本身芯片资料的对比,可直观反应芯片本身性能是否下降或损坏。该方法可以精确地对高集成化、小型化微波模块中的微波MMIC芯片进行性能测试并判定故障。相关研究成果已应用于X波段T/R组件的修理。     

电路模拟吸波材料带宽拓展方法探索

电路模拟吸波材料有一定的频率选择特性,电磁波有效损耗的带宽通常比较窄,通过多层电路屏、掺杂电损耗介质、磁损耗介质层组合、磁电损耗组合的方法,对电路模拟结构吸波材料在2~18GHz区间电磁损耗带宽的拓展进行了初步探索。结果证明:四种方法都能够提高电路模拟吸波材料的有效吸波带宽,并能够不同程度地提高材料的吸波效率。多层电路屏、掺杂电损耗介质的多层电路屏、组合磁损耗介质层的多层电路屏、组合磁损耗介质层和电损耗介质的多层电路屏,其反射率≤-5dB的带宽较单层电路屏的1.2GHz分别增加了6.4、10.6、9.6、10.6GHz,最小反射率分别达到-8、-10、-12、-25dB。     

某航空设备模拟电路故障状态分类器设计及仿真

采用传统故障诊断方法对复杂模拟电路进行故障诊断,存在诊断速度慢、故障点难以准确定位等缺点,为此提出基于神经网络理论的故障状态分类器设计方法,以某型飞机自动驾驶仪854C放大器为例,对故障状态分类器进行了分析设计和仿真研究.仿真结果显示:所设计的基于神经网络理论的故障状态分类器实现了对此类航空设备模拟电路故障的快速、准确和有效的识别与定位.     

电路模拟新型吸波材料

本成果采用黏胶基活性碳毡制备一系列单层电路模拟吸波材料。黏胶碳纤维的横截面不规则，异型截面的碳纤维对电磁波有良好的衰减吸收性能；经活化的碳纤维表面多微孔，碳纤维表面粗糙度增加，对电磁波形成漫反射；材料价廉易得。     

高压光电隔离传感器

高压光电隔离传感器是唯一的组件式高压隔离器件。采用无源微功耗厚膜电路，伏频变换的光脉冲调制，光纤传输和特种绝缘材料，以及电-光、光-电直接耦合等先进技术。电路设计先进，检测有独创之处。该传感器耐高压，耐高低温，精度高，是高可靠性组件。本传感器既能对高压隔离，又能精确地测量和控制电压信号。体积小、质量轻，性能稳定可靠，是雷达、电视发射机中不可缺少的电压测量和控制器件。     

修理补片对飞机基本飞行性能的影响分析

首先利用欧拉方程计算了飞机特殊部位蒙皮受损修补后修理补片对气动特性的影响．继而估算了这一气动特性的变化对飞机基本飞行性能的影响．为以可靠性为中心的飞机维修提供了科学的参考依据。具有一定的实际意义。     

试论英语句法转换的抽象表现形式

通过研究比较英语语句的聚合关系,解释了英语句法的内涵及其变化形式,揭示核心句和转换句之间的关系,描述了英语句法的抽象表现形式,将英国句法理论大师马修斯介绍给国内学者,从另外一个角度为国内学者研究句法理论提供参考。     

模糊神经网络实现飞行数据的智能处理

利用模糊神经网络实现了根据飞行数据识别出飞行过程中所做的基本动作 ,推理过程使用了一种特殊的模糊规则 (fuzzyrule) ,权值学习采用负梯度下降 (Gradientdescentweightadaption)法。首先对每帧飞行数据进行特征检测(Featuredetect) ,将根据专家经验模糊处理得到的隶属度矢量作为模糊神经网络的输入 ,经过该网络决策 ,获得该帧数据的基本动作模式 ,由此 ,得到飞行过程中的基本动作。而实际的飞行动作就是由这些基本动作的组合而成 ,所以 ,实际上也就实现了飞行动作的自动识别。经大量实际飞行数据检验 ,该方法准确、有效。