基于数据库技术的故障诊断知识库管理系统设计

为解决传统大型复杂系统故障诊断专家系统中存在的知识库庞大、难于维护管理的问题,结合数据库技术设计了一套基于Windows平台的知识表示和知识库管理系统。该系统充分利用了数据库技术,实现了对知识库中知识的存储、添加、删除、修改和查询以及编辑过程中的一致性、完备性和冗余性要求,通过将该系统应用到运载火箭测试发射中的故障诊断专家系统中,一定程度上实现了知识处理的自动化,为运载火箭故障诊断专家系统的开发和运用奠定了重要基础。     

某机载探测系统自主回收技术的实现

针对某机载探测系统探头回收自动化程度低的问题,提出了在无需操作员干预情况下实现探头自主回收的技术方法。采用了先进的控制算法,将缆位角与探头、缆长进行结合并引入了绞车控制系统,使绞车对探头的回收速度及缆长可进行实时调整,并给出了3种不同缆位角摆动条件下缆长与探头回收速度的控制曲线关系。研发了自主回收装置,设计了能够实现自主回收功能的探头回收机构。实验验证表明：在无需人为干预的条件下,在缆位控制系统及自主回收机构的配合下,系统实现了对探头快速、安全的回收。     

基于马鞍形磁场的永磁直线电机位置解算方法

针对直线电机转子位置检测低成本和较高精度的要求,提出了一种基于马鞍形磁场来获得位置信息的方法及实现过程。分析了永磁体表面的磁场分布特征,指出了利用马鞍形磁场分布曲线来解算位置信息的优点,提出了根据马鞍形磁场推算位置信息的算法流程:先测得错开相位的2条马鞍形曲线数据,划分为4个象限后建立数据库;位置检测时,运用区间搜索算法寻得实际角度所在区间;再根据精度要求,采用合适的插值算法计算得到待解算的角度。仿真结果表明:基于马鞍形磁场的位置解算,能较好地得到直线电机转子的位置信息。     

飞行器太阳能源计算方法CSCD

介绍了空间飞行器典型电源系统组成,通过对影响太阳能源输出的各项参数因素分析,提出了空间飞行器太阳能源计算方法,该方法包括由功率计算所需太阳阵面积的公式和由太阳阵面积计算输出功率的公式,达到了准确计算太阳能源的效果,解决了以往空间飞行器太阳能源估算误差大,在总体回路设计中电源参数难以闭环的问题。     

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点,传统的雷达目标检测技术无法实现,人工智能技术的出现,其在目标识别和特征提取方面的独特优势,使得强杂波背景下的目标检测成为可能,利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近,实现了对海杂波的非线性预测,提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法,使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低,功耗低的优点,在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点,提出了一种利用基于OPTICS聚类算法的空间目标检测方法,可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点,并结合星图识别的结果选择部分帧,使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后,使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中,目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法,减少了在轨任务中相关参数的调节,进一步提升了算法的自主性.     

失速起始检测的低频平均频谱幅值法

高速多级轴流式压气机在中低转速的失速起始总是以短周期扰动的形式出现。为了在压气机整机进入深度失速前检测到失速起始信号，通过分析提出了一种基于低频平均频谱幅值的失速起始信号检测方法。对某轴流式压气机压力测量信号的分析结果表明，该方法是准确、可靠和快速的，有望用于失速起始的实时检测。     

基于包围盒的碰撞检测算法

详细分析比较了基于包围盒的碰撞检测算法中的轴向包围盒法、方向包围盒法、离散方向多面体法的检测原理和检测效率,并改进了轴向包围盒碰撞检测算法,提出利用简化包围盒边缘节点实现碰撞检测的新设想,其可行性已被初步试验证实。不仅显著提高了碰撞检测的速度,而且可以便捷地得到更为详细的碰撞检测信息,满足了进一步进行碰撞响应处理的需要,使飞行模拟机的视景系统能够实时、准确地检测出虚拟物体间的碰撞。     

基于分形特征和Hough变换的海天线检测算法

海天线检测是研究成像型反舰导弹末制导技术的一项重要内容。首先深入地探讨了海空背景下的海天线检测问题,然后提出了基于分形特征和Hough变换的海天线检测算法。实验表明,算法精度高,可以有效地检测出复杂海空背景下的海天线,为进一步应用(如目标识别、图像配准)奠定了良好的基础。     

智能车辆视觉系统的障碍物边缘检测

对采集的道路图像中的障碍物进行边缘检测,其过程为:道路图像预处理、二值化、边缘检测和数学形态学处理.同时,在MATLAB7.0中对图像进行仿真.