不同干扰情况下脉冲压缩对雷达作用距离的影响

雷达脉冲压缩技术,既是能够解决雷达威力与距离分辨力之间矛盾的手段,也是一种抗干扰措施。分别分析了在背景噪声、窄带噪声瞄频干扰、宽带噪声阻塞干扰情况下,脉冲压缩处理对雷达作用距离的影响。指出了脉冲压缩处理对雷达作用距离是否产生影响的根本原因,是看干扰（噪声）信号的功率谱密度是否恒定。若恒定,则无影响;若不恒定,则会产生影响。     

轨道转移飞行器复杂环境下假星干扰与星图识别研究

通过复杂环境下假星模拟,研究假星数目及K矢量查找角距阈值ε对星图识别成功率的影响,采用惯性数据辅助识别的方法,改善了星图识别的成功率.星图识别仿真结果表明,存在假星情况下,假星数目的增加及K矢量查找角距阈值ε的增大会降低星图识别成功率,假星数为7,ε取8″时,成功率仅为42.7％;惯性数据辅助识别相较于传统星图识别成功...     

考虑机场场面滑行的停机位指派研究

合理高效的停机位分配能提高机场运行效率和旅客满意度。首先,以旅客步行时间、航空器进/出港滑行时间最短为目标函数,增加同一航空公司的航空器集中停靠约束建立模型。之后设计禁忌搜索算法,以上海浦东国际机场为对象开展实例分析,对比机场原始停机位指派方案,旅客步行时间、进/出港滑行时间分别减少5.04%、25.28%和6.36%,并进行权重灵敏度分析,建议旅客步行时间权重不超过0.7。最后,基于Flexsim设计仿真实验,进/出港滑行时间和冲突次数均减少,可接受延误水平下滑行系统服务航班量增加3.30%,进/出港最大滑行延误时间减少9.09%和2.94%。     

数字射频存储器在雷达干扰中的应用

论述了数字射频存储器(DRFM)技术在雷达对抗中的作用和重要性,介绍了DRFM的原理。给出了应用DRFM进行雷达干扰的几种干扰方式。     

密集有源多假目标的压制干扰效果分析与仿真

多假目标干扰在现代电子战中应用日益广泛。随着工作状态参数的不同,多假目标干扰呈现出不同的干扰效果。在讨论密集多假目标产生方法的基础上,针对两种不同的恒虚警处理,详细分析了密集多假目标的干扰效果,得到一些有价值的结论:当密集程度较高时,多假目标干扰可以起到类似噪声的压制作用,最后进行了仿真验证。     

多自由度动量交换技术研究的新进展

航天器三轴姿态控制常用的多飞轮控制方案中,反作用飞轮的单自由度动量交换属性使系统的功能重复部件和冗余件数目增多,严重影响了姿控系统的重量、体积、功耗及成本;由于原理和结构的限制,传统多自由度动量交换技术无法充分发挥其“多自由度”的固有优势,而新型多自由度动量交换技术的研究与发展则为这一优势的发挥提供了空间。本文综述了国内外多自由度动量交换技术研究的新进展,分析了其特点、关键技术和研究方向,并展望其应用前景。     

基于多滑模控制器融合的高超声速飞行器再入段跟踪控制方法

针对高超声速飞行器再入段滑模跟踪控制存在的抖振剧烈问题,提出一种基于多滑模控制器融合的跟踪控制方法.该方法采用动力学模型对高超声速飞行器再入过程进行描述,建立高超声速飞行器的攻角、侧滑角和倾斜角跟踪控制方程,结合准二阶连续滑模控制器和超螺旋滑模控制器对再入段进行分阶段的跟踪控制,分别削弱抖振影响,提高跟踪控制性能.通过模型仿真对所提跟踪控制方法的有效性和可行性进行验证,结果表明该控制方法可有效实现高超声速飞行器的轨迹跟踪,在控制力矩响应和姿态角速度跟踪误差积分值上较传统方法具备明显优势,可有效抑制抖振,提升飞行稳定性.     

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.     

基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。