石英加速度计离心机试验误差系数显著性分析

提出了一种针对石英加速度计精密离心机试验的显著性分析方法.在多位置方法分离加速度计误差系数时,由于激励不足等试验条件的限制,无法保证高次项系数的标定结果正确.离心机试验利用离心机提供的向心加速度作为仪表的输入,能够标定出高次项系数.为了确定被标定的误差系数均具有可信度,有必要对高过载试验结果进行分析,保留可信的误差系数,证明使用的误差模型无误.由于此方法的通用性,在其他试验条件下的误差分离试验中仍可运用.     

零件表面微观工艺特征性研究 ——产品(零件)工艺技术基础科学问题机理探索

通过研究产品(零件)制造过程、方法、参数等工艺因素,给零件表面及表层带来(留下)特有的微观特征性,首次在高精度惯性仪表和高可靠电磁继电器(机电类)产品制造体系中引入了零件表面微观工艺特征性概念,提出了制造阶段的产品工艺可靠性设计和微观工艺特征(性)分析方法,提出了该类产品制造中的工艺设计更应该关注零件与产品设计原理匹配性和性能特性符合性观点,提出零件制造要从单纯的控制几何精度向控制性能特性转变,从宏观、单一采标的几何参数评价向微观、综合采标的非几何(非尺寸)参数评价模式为主转变的建议.零件表面存在的这种微观特征现象与零件几何精度一样,将对产品制造的合格率、稳定性、可靠性的实现起到至关重要的作用,尤其对产品的合格率影响极大,有必要开展更深入、更系统的研究,以建立起我国自主的高端产品(或零件)制造基准工艺平台.     

2020年国外惯性技术发展与回顾

通过对IEEE惯性传感器与系统会议、MEMS国际会议、圣彼得堡组合导航会议、PLANS会议和DGON ISS会议等惯性技术相关会议文献,以及惯性技术相关机构发布的一些动态信息进行梳理,总结分析了惯性技术领域的最新发展动态,并重点介绍了光学陀螺、微机电(MEMS)陀螺和加速度计等惯性器件的发展现状,以及美国为增强定位、导...     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

面向室内场景的惯性磁感应定位方法

针对卫星拒止的室内导航问题,在现有磁信标定位技术的基础上,通过分析低频旋转磁场的特点,建立了一种不受传感器姿态和磁信标磁矩信息影响的磁感应矢量夹角观测模型,并结合MEMS惯性导航的误差模型提出了一种以磁感应矢量夹角的正余弦值为量测信息的惯性磁感应动态定位方法,避免了磁传感器姿态误差和磁矩误差对定位结果的影响。利用实验室的双轴磁信标实验系统进行静态测试,验证了磁感应定位模型具有不受传感器姿态、环境中遮挡物以及磁矩影响的特点;通过数值仿真的方式对基于无迹卡尔曼滤波(UKF)的惯性磁感应定位方法进行验证,结果表明该方法能有效地抑制惯性导航的发散,且位置最大误差小于0.75 m,满足大多数室内场景下的高精度导航定位需求。     

可用于短舱结构的机织复合材料几何参数对力学性能的影响分析

基于建立的复合材料渐进失效模型(PD model),通过引入机织复合材料纤维束波动形态特征,对PD模型进行了修正。通过与实验结果及其它模型结果的对比验证了修正后模型的有效性。同时,采用PD模型系统,全面地分析了平纹机织复合材料的几何参数包括波动角、编织角、总体纤维体积分数对其力学性能的影响,获得了机织复合材料力学性能随几何参数变化的趋势。其中指出Graphite/Epoxy机织复合材料由于其纤维与基体模量差异性较大而造成其力学性能相较于E-glass/Epoxy机织复合材料受波动角的影响较大;编织角对机织复合材料面内力学性能的影响更为显著,面内力学性能随编织角的变化以一种波动形式出现;机织复合材料的总体纤维体积比越大,纤维束的力学性能就越强,机织复合材料的力学性能也就越强,且这一增长趋势接近于指数增长。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

涡轴发动机高速两支点转子不平衡识别

针对实际工作中的涡轴发动机不平衡量难以监控现状,提出了一种基于非线性支承参数的涡轴发动机高速两支点转子不平量识别方法。建立起转子动力学有限元模型,以支承位移响应工频信号有效值为目标,采用Pointer优化器开展不平衡量识别,通过反馈迭代识别油膜阻尼、刚度。以某真实发动机转子的不平衡量开展识别验证,识别结果符合实际转子不平衡量变化规律,该识别方法计算效率满足工程要求,为发动机整机振动响应仿真分析中的不平衡量施加提供输入条件。     

蜻蜓起飞过程飞行特征实验

针对蜻蜓自由起飞过程和准自由起飞过程进行实验观测,采用两个光轴相互垂直的高速摄像机进行拍摄,通过特征点匹配和三维重构方法准确地捕捉了两种起飞过程中蜻蜓身体和翅膀的运动参数,并进行运动特征分析与对比。实验结果表明:蜻蜓在自由起飞过程中采用同步振翅,离地后逐步转换成异步振翅(约110°),最大瞬时竖直加速度可以达到20m/s2;在准自由起飞过程中采用异步振翅(相位差180°),之后相位差逐步降低,最大瞬时竖直加速度为12m/s2;此外发现同步振翅、大攻角下拍及大拍动角有利于升力的产生。      

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。