数字化组合测量辅助飞机装配质量检测技术

针对单独使用激光跟踪仪测量大型飞机壁板类组件装配质量时存在曲面数据细节信息不易采集、测量效率低等问题,提出基于激光跟踪仪和关节臂测量仪的大型飞机壁板类组件数字化复合测量方法.在保证测量精度的前提下,将关节臂测量仪(AACMM)融入到激光跟踪仪测量场中,使用两种设备进行集成检测,对大型飞机部件成形细节信息进行全面采集.同时根据飞机部件装配过程测量环节的测量特征,在Spatial Analyzer软件基础上开发了飞机壁板类组件数字化复合测量工具集,实现了对测量过程中所涉及到的设备、数据的集中管控.通过实例,验证了测量方法的有效性和效率.      

飞行器雷达隐身测试评估技术及发展

武器装备全面隐身化,隐身性能指标成为装备最重要的战技指标之一.隐身测试评估是实现装备隐身性能的关键指标和不可缺少的重要环节,涉及隐身装备从方案设计验证、研制方案筛选、部件和整机隐身效果评估、使用维护检定等全生命周期.综述了飞行器雷达隐身性能试验测试体系和测试评估方法,介绍了国内外典型的测试场及测量技术进展,详细分析了低散射诊断实验测试技术的最新成果,展望了飞行器隐身电磁特性测试技术未来发展趋势.      

航空电子设备NSEE试验评价方法

本文定义了航空电子设备大气中子单粒子效应(NSEE)硬失效、硬错误与软错误等大气中子辐射可靠性表征参数,提出了一套航空电子设备抗大气中子单粒子效应危害能力的试验评价方法,包括试验应力终止条件与起始条件的确定方法、M_NSEE预估方法、试验程序、试验评价方法等,并通过某航空用卫星导航接收机试验案例证明了该方法在工程应用中的可操作性与有效性,通过掌握数字信号处理(DSP)、静态随机存储器(SRAM)、现场可编程门阵列(FPGA)的NSEE敏感特性,可为航空用卫星导航接收机NSEE危害防控提供针对性的技术支持.本文为我国航空电子产品大气中子单粒子效应试验评价奠定了理论与应用基础,同时也为其他电子信息产品在大气中子单粒子效应试验评价方面提供了重要依据和参考.      

相对测量不确定度在微波功率计量中的应用CSCD

本文探讨了相对测量不确定度在微波功率计量中的相关应用,通过微波功率计量中的两个实例,分析了相对测量不确定度的数学模型及评定过程,规范了其表述规则,全面概括了实际应用中的注意事项。     

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

大型客机飞行员操作程序综合评价

机组对飞机的成功操作很大程度上依赖于一套精心编制的飞行员操作程序,不合理或不合逻辑的操作程序可能导致飞行员的违规操作,进而引发飞行事故.参考波音737NG飞行机组操作手册,分析进近和着陆阶段的任务功能流程后确定了评价指标体系的层次结构;采用德尔菲法对现役飞行员进行两轮咨询,建立了基于安全性的进近和着陆阶段飞行员操作程序综合评价指标体系;对飞行员进行咨询,采用序关系分析法确定了各指标的权重系数;应用模糊综合评价法对飞行员操作程序进行综合评价,得到了飞行员操作程序的评价等级和评价值.提出了一种将功能流程图法、德尔菲法、序关系分析法和模糊综合评价法相结合的飞行员操作程序综合评价方法,并应用于波音737NG飞机进近和着陆阶段的操作程序评价.评价结果说明了该综合评价方法的合理性.     

基于半实物仿真的地磁导航等值线匹配算法评估

影响地磁导航匹配算法性能的因素很多,而现阶段算法的评估完全依靠计算机仿真,其可信性有待进一步验证.以等值线(ICCP)算法为研究对象,首先从理论上分析影响算法性能的因素;然后搭建了地磁匹配导航半实物仿真系统,通过引入磁场仿真环境和磁传感器,提高了仿真的可信度;最后从测量噪声、匹配长度、匹配区域和惯导误差4个方面对ICCP 匹配算法的性能进行半实物仿真试验分析.仿真结果表明,通过半实物仿真试验可以对算法的抗干扰性、算法匹配长度的确定、匹配区域的选择以及惯导误差的影响做出有效评估,从而推动地磁匹配导航及匹配算法的工程化进程.      

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection,CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中,为提高太阳风预报的准确率,需要提高CME参数识别的精度.模型以计算任务串行的方式运行,运算效率低导致模型运算时间长,不能满足这种需求.CME参数识别模型的物理运算过程相互不独立,其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架,改进了CME参数识别模型的计算流程,提出CDMR（CME detection under MapReduce）方法,实现了CME参数识别模型的并行计算,并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间,提高了模型的识别精度和计算效率.