毫米波卫星通信网络体系侦察技术分析

卫星通信已经发展为复杂、先进的网络体系,尤其是毫米波抗干扰卫星通信系统,具有频带宽、信息容量大、天线口径小、有较大的增益、有较高的抗干扰性和隐蔽性等独特技术优点,已成为军事技术信息化的核心通信手段。针对单一目标侦察系统侦察能力的不足,分析了发展一体化卫星通信网络体系侦察需要解决的一些关键技术。     

小型化超宽带H面脊喇叭端射天线

超宽带天线技术是实现射频孔径综合的关键技术之一,适用于解决大型电子信息系统中采用多个天线带来的布局困难、互相干扰等问题。本文设计了一款具有端射特性的小型化超宽带H面脊喇叭天线。天线通过加载指数型脊结构,降低了矩形波导的截止频率,从而大幅展宽了天线工作带宽。同时,通过在喇叭口加载单曲面形介质透镜,改善了辐射口面上相位不均匀的问题,进而显著提高了天线的端射增益。该天线结构紧凑,其尺寸仅为0.57λ_L×0.45λ_L×0.11λ_L,可覆盖0.8 GHz～18 GHz的超宽频带,且交叉极化优于30 dB。该天线剖面低、结构稳定、易于加工,可直接安装于金属结构上,易于与载体集成。通过与同类型端射天线相比可知,该天线在小型化和电性能两方面都具有优越性。     

内爆炸圆管破片初速研究

分析内爆炸圆管膨胀破碎过程的应力,提出确定内爆炸圆管断裂半径的复合判据,从理论上预测不同材料圆管的破片初速度.采用GSJ高速摄影记录仪测试不同材料圆管的破片初速度,并与理论预测值行比较.结果表明,采用复合判据得到的理论预测结果与实验测量结果能够较好吻合.     

一种高动态低信噪比卫星导航信号捕获方法

为提升高动态低信噪比环境下卫星导航信号的捕获性能,提出了一种基于分数阶傅里叶变换(FrFT)及部分匹配滤波(PMF)的捕获方法。在该方法中,接收机首先利用PMF对接收信号做分段相干积分,随后借助快速傅里叶变换(FFT)对分段积分结果做离散快速FrFT,最后通过检测FrFT输出的峰值完成信号的捕获。由于具有多普勒频率变化率的卫星导航信号在FrFT后呈现能量聚焦特性,所提方法能够显著提高信号的长时间相干积分增益。同时对所提算法的捕获概率、平均捕获时间以及算法复杂度等性能指标进行了理论分析及计算机仿真验证。仿真表明,与传统的PMF-FFT方法相比,所提方法能够通过延长相干积分时间的方式有效提升高动态低信噪比卫星导航信号的捕获概率、降低捕获时间。     

大型星载天线桁架式可折展机构的模态分析

大型空间抛物柱面星载天线具有口径大、约束弱、刚度低、质量小等特点,其机构的空间稳定性直接决定天线的使用寿命和信息传输的可靠性。为准确获得大型空间星载天线在轨稳定性能参数,依据星载天线的高精度和长寿命的设计需求,提出一种新型抛物柱面星载天线结构形式,利用有限元仿真对该新型星载天线作模态分析,并分析相关参数。结果表明:采用Al7075材料的新型抛物柱面星载天线基频满足设计要求。同时,增加上下支杆和上下斜撑杆的截面尺寸可有效提高天线结构的固有频率。该研究为我国大型抛物柱面星载天线设计提供了理论支撑和技术参考。     

舰载机壁板剪切后屈曲承载能力预测与试验验证

舰载机着舰撞击对机翼盒段产生巨大的扭矩,蒙皮以剪切形式承受扭矩,这是机翼壁板的重要设计工况。为准确预测加筋壁板剪切后屈曲承载能力,采用MSC.NASTRAN软件MRIKS弧长法,将线性屈曲分析的一致模态缺陷位移作为扰动引入后屈曲分析。考虑材料和几何双重非线性,对整体加筋壁板剪切试验件的后屈曲破坏过程进行模拟、对承载能力进行预测。根据剪切试验结果,进行对比分析。结果表明：有限元模拟的加筋板初始屈曲发生在蒙皮上,长桁足够大的相对刚度使得长桁与蒙皮连接线上出现屈曲节点,随着载荷增大,加筋壁板整体"坍塌",与试验现象一致。有限元分析（FEA）得到的初始屈曲载荷与试验结果的误差为1.25%,预测的极限承载载荷与试验破坏载荷的误差为2.4%。表明引入缺陷后的MSC.NASTRAN弧长法非线性后屈曲计算能够准确预测加筋壁板剪切后屈曲承载能力,为加筋壁板剪切试验和强度设计提供了分析方法。     

基于G-M制冷机的大尺寸冷屏设计方法

介绍了基于Gifford-Mcmahon (G-M)制冷机的大尺寸冷屏的设计方法。该低温冷屏配合真空环境模拟室共同使用,为遥感卫星的星载遥感器等部件的红外定标试验提供20K的低温冷背景。该冷屏采用5台G-M制冷机进行制冷,外形尺寸达到1m×1m,是目前国内同类型冷屏中尺寸最大的。详细介绍了冷屏在容器内的安装布置、冷缩时的补偿等结构设计方法、冷屏的表面温度分布以及降温时间等计算分析。成功解决了大尺寸冷屏在低温环境下的冷缩补偿难题,试验结果表明:冷屏主要测点温度为15K,温度均匀性误差为±1K,达到并超过设计要求。      

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

考虑外圈局部缺陷的滚动轴承非线性动力特性

 建立了考虑滚动轴承外圈局部缺陷、非线性轴承力和径向游隙等非线性因素的滚动轴承系统动力学微分方程,并用Runge-Kutta-Felhberg算法对其求解。利用分岔图、Poincaré映射图、频谱图以及均方值、峰值因子、峭度等时域参数,分析了滚动轴承的响应、分岔和混沌等非线性动力特性。结果表明：考虑外圈局部缺陷的滚动轴承系统存在多种周期、拟周期和混沌响应;滚动轴承系统进入混沌的主要途径是倍周期分叉;峰值因子比率在中、低速,峭度比率在低速时可以很好地识别外圈局部缺陷。均方值比率除了在与轴承动力特性有关的个别转速外,可以在较大的转速范围识别外圈局部缺陷。