沃尔什函数理论中并元移位概念的物理解释

并元移位的概念在沃尔什函数的理论中有着重要的作用,但是,至今为止,未见有人对它的物理意义做出合理的解释.从复制理论的角度出发,在简要介绍复制理论的基础上,通过研究复制序列的位置相关性,揭示了并元移位实际上是一种特殊的距离定义,从而较为深刻地解释了并元移位概念的物理意义.     

基于序列二次规划的推力矢量控制分配方法

  针对使用推力矢量控制的航天器,建立了游动发动机的数学模型,在分析了游动发动机摆角约束的基础上,提出了推力矢量控制分配问题。将该控制分配问题转化成以力矩误差最小和对变轨推力影响最小作为优化目标的多目标优化问题,引入序列二次规划进行求解,得到一种新的控制分配方法。仿真结果表明,该方法能够准确实现期望目标,验证了所提出的控制分配方法的可行性和有效性。     

m序列指令遥控系统的研究

本文提出一种用m序列的平移等价序列做指令的遥控系统。利用m序列的自相关函数具有双值特性的这一特点,可使指令自动纠错,而不增加设备的复杂程度。文中对系统的理论根据作了说明,列出基本公式。然后介绍工作原理,给出有关电路,用7级移住寄存器集成电路产生同一m序列的7个平移等价列序,各寄存器的输出端按7条指令的规律连接、收端用7个匹配滤波器做相关器,通过判决电路进行择大判决,并输出相应的指令至执行机构。     

基于遗传算法的飞机维修拆卸/装配序列规划研究

飞机维修拆卸/装配序列规划是整个飞机产品维修作业的重要组成部分,同时也是飞机远程诊断与远程维修的重要研究内容。针对飞机维修过程中拆卸/装配序列规划问题的特点和要求,本文从维修产品的拆卸/装配过程稳定性、拆卸/装配方向和拆卸/装配工具的改变次数三个方面来设置目标函数,解决了零件数量大的产品规划计算效率不高且没有考虑产品的维修过程稳定性问题。本文开发出了基于遗传算法的飞机维修拆卸/装配序列规划系统,并结合具体产品进行了验证。     

基于概率统计的DS/FH系统干扰检测算法

基于时频分布的干扰检测算法是DS/FH（Direct Sequence/Frequency Hopping,直接序列扩频/跳频扩频）系统干扰检测的传统手段,针对其运算量大、实时性差,以及无法检测某些特殊干扰信号等问题,提出一种基于概率统计的干扰检测算法.通过统计DS/FH系统频谱图中各频率的幅值出现位置,以DS/FH信号与干扰信号频谱分布规律的差别为判决依据,完成DS/FH系统中干扰信号的检测.分析和仿真结果表明：该检测算法能够有效识别DS/FH系统中的典型干扰信号,与传统基于时频分布的检测算法相比,能够实现某些特殊干扰信号的有效检测;同时,由于该算法不需要进行复杂的时频联合分析,其运算复杂度大大降低,能够实现DS/FH系统干扰信号的快速检测.     

卫星构件用M40J/ BA204 复合材料性能

针对卫星构件的不同需求,开发了一种芳香胺固化的环氧树脂BA204.研究了无溶剂及溶剂法成型的M40J/BA204复合材料力学、真空放气性能和管件在模拟温度交变条件下的性能变化情况.结果表明:两种方法制备的复合材料力学性能均能满足卫星构件要求,无溶剂法制备的复合材料力学性能优于溶剂法.采用无溶剂法制备的M40J/BA204复合材料其真空质损率为0.23％,可收集挥发性凝聚物为0.009％;复合材料管件经200次热循环冲击后力学性能变化不大,表明M40J/BA204复合材料具有良好的热稳定性.     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

AR模型在时间序列误差分析中的应用

为检测某火控系统的性能,采用统计量分析和AR模型预测相结合来对火控系统实时解算的数据进行分析的一种方法。根据分析结果可以看出,距离误差和航向误差是两种不同类型的误差,距离误差主要是由随机的量测误差构成的,而航向误差主要是系统误差。     

广义时变ARMA序列预测方法

提出一种广义时变ARMA序列预测方法,给出时变序列和广义时变序列的预测公式及其均方误差。该方法能够对均值、方差、自回归系数和滑动平均系数都随时间变化的广义时变序列(或信号)进行分析和预测,可广泛应用于气象、通信、自动控制、结构响应分析和故障诊断等领域。大量计算表明,本文方法与传统方法相比,具有更高的预测精度。      

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。