GADP系统及其在计量瞄准设备中的应用

介绍了GADP光栅数据自动处理系统及其在计量地面瞄准设备中的具体应用。实践表明,利用该系统可以使准直精度和数据观测精度分别达到0.02″和0.01″;同时,使检测数据的显示、记录、整理、计算和结果打印一体化,提高了计量工作的自动化程度。     

8098单片机在转台控制系统中的应用

转台是航空航天工业中重要的地面仿真设备。本文利用计算机的资源，设计了单片机系统的硬件和软件，应用于三轴液压转台控制系统中，从而提高了转台的动态特性和静态静度，并增加了转台位置数显功能。     

SMA拟橡胶金属阻尼元件及其在减振中的应用

利用形状记忆合金(SMA,Shape Memory Alloys)的超弹性特性,借鉴拟橡胶金属阻尼材料的制作工艺,研制了超弹性SMA拟橡胶金属阻尼元件;在此基础上,设计了SMA减振器.试验表明:引入SMA后,拟橡胶金属减振器的可恢复变形,阻尼特性都有很大的提高;而拟橡胶金属的构造方式,又使得减振器具有很大的承载能力.上述特性使得该减振器对于宽频带随机载荷有很好的减振效果.      

管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

基于长短期记忆网络时序数据趋势预测及应用

为了研究状态监测大数据对设备运行状态的估计和预测,提出了一种人工经验与主成分分析相结合的长短期记忆网络方法（AEPCA-LSTM）,利用运行过程中的监测时序数据对设备运行趋势进行预测。首先,通过基于人工经验的主要成分分析方法（AEPCA）从状态监测系统中提取与目标变量最相关的状态变量作为输入;其次,利用长短期记忆网络（LSTM）对目标变量趋势变化进行预测,并考虑运行过程中新数据样本的持续产生,对模型进行定期更新,以提高模型的动态适应性。最后,将所提出的方法应用于船舶副机系统的涡轮增压器转速预测中,结果表明该方法相对于传统的PCA-LSTM和LSTM,具有更小的预测平均误差0.18037,即展现了其在时序数据趋势预测的优势。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.