一种简单的VOQ交换机时延确保分组调度算法

采用EDF(Earliest Deadline First)与轮询结合的方法,提出了一种简单的VOQ(Virtual Output Queueing)分组调度算法提供基于流的时延确保.VOQ队列采用EDF的策略裁决分组流的竞争,输入输出端口采用轮询方式匹配.此时VOQ中分组到达至成为头分组的时间以及分组成为头分组至传输到相应输出端口的时间,分别对应于OQ中的分组排队等待时间及服务时间.通过对所得算法详细的理论分析,给出了流时延界及流分组到达的显性关系.更为重要的是,本文的理论结果不仅为设计更为有效的算法奠定了基础,同时为判别不同流的时延要求是否冲突提供了一种新的直接分析的手段.      

论航天遥感器研制过程中的防静电

文章从应用新技术、新器件可能对航天遥感器产品带来的静电损伤的现象入手 ,介绍了静电放电原理、带来的危害及生成的因素。分析了航天遥感器在研制过程中出现的静电放电现象和产生的原因 ,提出了研制过程中应采取的防静电措施     

考虑重力的风机叶片水平加载测试方法

在风电叶片三维有限元参数模型中引入了重力产生的附加载荷,仿真计算了风电叶片水平加载方式的静载荷测试中附加载荷产生的水平方向的耦合位移,分析了耦合位移对测试过程中理论计算结果的影响;由于重力的叠加效应,测试中某些截面实际施加的等效载荷可能远超叶片设计的目标测试载荷,建议联合有限元分析,优化叶片安装角度和加载力方向的方法,降低叶片局部截面实际施加等效载荷的过载峰值。     

结构系统静强度与疲劳耦合可靠性的当量寿命分析

基于结构系统静强度和疲劳耦合可靠性分析方法,给出了元件静强度失效的当量寿命和当量损伤的概念。结合蒙特卡罗分析方法,讨论了当量损伤服从正态分布、对数正态分布、极值Ⅰ型分布和威布尔分布时当量寿命的概率分布形式。分析结果表明：当量损伤服从正态分布、对数正态分布、极值Ⅰ型分布时,当量寿命服从对数正态分布;当量损伤服从威布尔分布...     

惯性平台陀螺仪静态漂移系数分离方法研究

针对目前在发射场应用的测试方法不能分离出陀螺仪不等弹性静态漂移系数的现状，通过对陀螺仪静态漂移系数的测试原理和试验方法进行分析，推导了完整分离公式，提出了可行的分离方法，该方法可完整地分离出惯性平台陀螺仪各项静态漂移系数。     

低温静力试验热应变/热应力修正方法研究

在低温静力试验中,温度梯度作为一种特殊的"外载荷"作用于参试产品上,因此由其导致的热应变/热应力不能忽略;应变计材料的温度效应引起的应变计热输出异常明显,直接影响试验测量结果;同时由于试件存在温度梯度,采用传统的温度补偿方法对热输出进行剔除不太现实。因此必须通过后处理的方法对测量结果进行修正,热应变/热应力修正方法成为当前低温静力试验中研究的一大热点和难点。     

耦合电感对多路输出电源输出纹波的影响

输出电液脉动是多路输出电源的一个重要性能指标，而耦合电感又是影响多路输出电源输出电流动的关键部件，因此需要研究耦合电感对输出电路脉动的影响，本文以两路输出电源为例，深入分析了耦合电感对输出电流脉动的影响，首先相入简单有效的数学模型，在此基础上给出了耦合电感匝比关系的一般选取原则。然后进一步分析了耦合电感各参数对输出电流脉动的影响，并提出新的调整输出纹波的方法，实验结果验证了所提方法的有效性。     

涡轮增压固体冲压发动机热力循环分析

针对未来导弹对推进系统高比冲、宽马赫、大空域的要求,将空速域宽广的空气涡轮火箭(ATR)和比冲性能好的固体火箭冲压发动机(SPR)进行集成,提出了涡轮增压固体冲压发动机(TSPR)的概念,对其进行热力循环分析,验证此组合概念发动机的原理可行性,建立了其热力循环分析模型.利用该模型在典型弹道上对ATR、SPR和TSPR的...     

防空导弹控制系统分析

基于弹体动力学,讨论了防空导弹运动的可控性及其条件。采用以速率陀螺为敏感元件与伺服系统构成的速率反馈回路,以及为适应静不稳定弹体的气动特性引入的具复合反馈的稳定回路,以使弹体的跟踪过程有较佳的动态响应,并分析了两种回路的特性。讨论了导弹非中立稳定、中立稳定等状态的控制,以及控制系统的响应。研究表明：具复合稳定回路控制系统的弹体运动稳定和指令控制的鲁棒性较优。     

Adaptive neural network control of nonlinear systems with unknown dynamics

In this study, an adaptive neural network control approach is proposed to achieve accurate and robust control of nonlinear systems with unknown dynamics, wherein the neural network is innovatively used to learn the inverse problem of system dynamics with guaranteed convergence. This study focuses on the following three contributions. First, the considered system is transformed into a multi-integrator system using an input–output linearization technique, and an extended state observation technique is used to identify the transformed states. Second, an iterative control learning algorithm is proposed to achieve the neural network training, and stability analysis is given to prove that the network’s predictions converge to ideal control inputs with guaranteed convergence. Third, an adaptive neural network controller is developed by combining the trained network and a proportional-integral controller, and the long-standing challenge of model-based methods for control determination of unknown dynamics is resolved. Simulation results of a virtual control mission and an aerospace altitude tracking mission are provided to substantiate the effectiveness of the proposed techniques and illustrate the adaptability and robustness of the proposed controller.