天线组阵中相位差的递推最小二乘估计与滤波

相位差的估计精度是影响深空网天线组阵中信号合成性能的关键因素。利用天线组阵S UMPLE或SIMPLE相关算法中相位差估计值之间的几何关系,提出了相位差变化率的最小二乘 估计,并在此基础上提出了相位差的递推最小二乘滤波方法。经过理论分析和仿真实验表明 ,所提出的方法能够大大提高相位差的估计精度;对于给定的例子,估计精度提高了接近两 个数量级。相位差经滤波后,天线阵的信号合成性能显著增强,从而大大提高对深空通信中 微弱信号的数据接收能力。
     

基于工程和数值方法的导弹气动特性计算

导弹气动特性对导弹设计及使用具有重大意义,气动特性的确定是弹道计算、控制参数的选择和结构强度设计的原始依据,其优劣直接影响导弹的飞行性能。针对某型导弹风洞模型,采用一般工程计算方法及FLUENT软件,分别从工程与数值两个方面对其在亚声速条件下的气动特性进行研究,然后将计算所得的主要气动力系数与风洞实验结果进行对比,从而对不同计算方法的精度进行评价。结果表明,二者所计算的气动参数在一定范围内满足工程设计的精度要求,能较为准确地反映导弹的气动特性。     

Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm

Lithium-ion batteries have become the third-generation space batteries and are widely utilized in a series of spacecraft. Remaining Useful Life (RUL) estimation is essential to a spacecraft as the battery is a critical part and determines the lifetime and reliability. The Relevance Vector Machine (RVM) is a data-driven algorithm used to estimate a battery’s RUL due to its sparse feature and uncertainty management capability. Especially, some of the regressive cases indicate that the RVM can obtain a better short-term prediction performance rather than long-term prediction. As a nonlinear kernel learning algorithm, the coefficient matrix and relevance vectors are fixed once the RVM training is conducted. Moreover, the RVM can be simply influenced by the noise with the training data. Thus, this work proposes an iterative updated approach to improve the long-term prediction performance for a battery’s RUL prediction. Firstly, when a new estimator is output by the RVM, the Kalman filter is applied to optimize this estimator with a physical degradation model. Then, this optimized estimator is added into the training set as an on-line sample, the RVM model is re-trained, and the coefficient matrix and relevance vectors can be dynamically adjusted to make next iterative prediction. Experimental results with a commercial battery test data set and a satellite battery data set both indicate that the proposed method can achieve a better performance for RUL estimation.     

无失效数据下液体火箭发动机的E-Bayes可靠性分析

为了解决航空航天产品、造价昂贵的产品及高可靠性产品的可靠性评估,本文在无失效数据情况下,对液体火箭发动机进行了可靠性分析.应用E-Bayes(Expected-Bayesian)估计法,在有关研究的基础上,针对液体火箭发动机热试车过程中可能出现的无失效数据情况,确定了失效概率的先验分布,并给出了E-Bayes估计和多层...     

高超声速飞行器气动力/热参数辨识研究综述

飞行器气动力和气动热参数辨识是高超声速飞行器设计的关键技术之一。笔者对高超声速飞行器的气动力和气动热参数辨识技术进行了综述。介绍了飞行器气动力、气动热参数辨识的基本原理与主要方法,气动力、气动热参数辨识技术在高超声速飞行器研发中的应用情况与发展趋势。同时也简要介绍了中国空气动力研究与发展中心（CARDC）在气动力和气动热参数辨识研究方面的研究概况。     

表面热流辨识技术在边界层转捩位置测量中的应用初步研究

目前工程飞行试验中主要采用近壁热电偶测温法来确定飞行器表面流动的边界层转捩位置,由于测点离表面较近,对温度传感器量程和结构强度有较高要求。为此,提出了基于表面热流辨识技术确定转捩位置的基本思想和处理方法,测点可以距离表面相对较远。但是,当测点越远离受热面,辨识问题的不适定性会越强,因此需要采用仿真辨识方法来对传感器安装位置进行合理选取。在给出二维传热模型表面热流辨识算法的基础上,对两个算例进行了仿真辨识分析。结果表明：基于表面热流辨识技术确定转捩位置是可行的,能给出较为准确的转捩区域判断。     

飞机结构振动疲劳分析研究进展

结构的振动疲劳分析研究对飞行器设计及其可靠性具有重要意义。全面阐述了国内外在结构振动疲劳研究方面的新进展,特别对随机振动载荷下结构的疲劳寿命估算作了详细的评述与讨论,综合最新的研究方法和取得的成果,对一些新出现的研究方向,比如材料的振动疲劳寿命曲线、飞机结构抗振动疲劳设计等进行了阐述,最后指出了结构振动疲劳分析尚待进一步研究的问题。     

使用电场传感器阵列的水下运动目标检测与参数估计

研究了基于电场传感器阵列的水下运动目标检测与参数估计方法。在背景噪声为高斯白噪声和目标作匀速直线运动的假设下,利用电场传感器阵列获取的船舶水下准静态电场空时特征,通过广义似然比检测和随机搜索寻优算法,可实现对海水中运动船舶的目标检测和参数估计。仿真试验结果表明:在信噪比大于0 dB时能够取得较好的估计精度;在信噪比低至10 dB时仍能有效检测目标。     

基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计

研究双基地多输入多输出(Multiple-input Multiple-output, MIMO)雷达中的角度和多普勒频率联合估计问题,提出了一种基于四线性分解(Quadrilinear Decomposition)的离开角(Direction of Departure, DOD)、波达角(Direction of Arrival, DOA)和多普勒频率的联合估计算法。通过对接收端匹配滤波器的输出进行延迟操作,得到符合四线性模型的数据,根据四线性交替最小二乘(Quadrilinear Alternating Least Squares, QALS)进行迭代,得到方向矩阵和多普勒频率矩阵的估计,进而得到角度和频率的估计。该算法无需谱峰搜索,无需知道反射系数,可实现角度和频率的自动配对,且能用于非均匀阵,该算法的角度估计性能优于多维ESPRIT方法和三线性交替最小二乘(Trilinear Alternating Least Squares, TALS)方法。论文分析了所提算法复杂度,并推导了克拉美-罗界(Cramer-Rao bound, CRB)。仿真结果验证了该算法的有效性。     

基于贝叶斯网的航班过站时间动态估计

一架飞机每天要执行多个航班,从而 形成航班链。前序航班进港后,若估计出飞机在机场的过站时间,后续航班的离港时间便可 较准确给出。文中选取了对航班过站时间影响较为显著的几个因素,运用历史数据,采用最 大似然估计进行贝叶斯网参数学习并获得不同情况下过站时间的估计值。同时,利用贝叶斯 网增量学习的特性,运用航班增量数据基于贝叶斯估计修正贝叶斯网参数,并用新的学习 结果更新过站时间估计值。实验数据表明,所提出的方法能较好地对飞机过站时间进行估计。最后,对影响过站时间的各因素进行了灵敏度分析对比。