基于高轨导航接收机的自动化地面测试系统

高轨卫星导航接收机是实现高轨航天器自主定轨的核心设备。为在地面测试阶段对高轨卫星导航接收机进行充分高效的验证，亟需设计基于高轨卫星导航接收机的地面测试系统。设计了一种基于高轨卫星导航接收机的自动化地面测试系统，主要创新点如下：第一，本系统可对高轨卫星导航接收机实际在轨状态下接收到的导航星座信号进行仿真；第二，具有模拟包含北斗三号等多导航卫星星座信号的功能；第三，本系统充分考虑自动化、通用化与一体化设计。提出的基于高轨卫星导航接收机的自动化地面测试系统能够在地面测试阶段对高轨卫星导航接收机进行充分验证，并充分考虑测试实施，从自动化、通用化、一体化方面提升测试效率，减少人为操作失误导致的质量问题，解决人工判读带来的误判漏判问题。     

基于自适应预测校正的月球软着陆制导控制方法

应用自适应预测制导方法，研究月球软着陆过程中的制导控制问题。作为一种具有逻辑结构的构造性方法，本文概述了自适应预测制导方法的实现步骤。针对月球软着陆过程中制导控制量少于被控制量这一“欠驱动”问题，在已有的基于一阶特征模型的全系数自适应预测校正方法的基础上，将输入输出相等的系统拓展为输入少于输出的“欠驱动”系统，以满足对位置、速度矢量同时进行制导控制的需要。本文针对初始状态误差、推力偏差、质量偏差以及比冲偏差下的软着陆过程，进行了Monte Carlo仿真分析，结果表明，自适应预测制导方法可有效用于月球软着陆过程的制导控制，且具有较高的精度和较强的鲁棒性。     

一种航天接口芯片静电防护电路的软击穿现象

接口阻抗测试是航天产品中对产品状态是否正常来进行判断的常用方法。在航天产品应用中，通常认为接口芯片阻抗测试异常即代表该接口芯片已经失效。本文针对一种LVDS接口发送芯片由静电导致阻抗测试异常，但功能正常的现象进行分析。在元器件失效分析的基础上，定位静电损伤的位置为芯片内部静电防护电路，从而建立了对应的电路模型，对芯片静电损伤的现象进行理论分析。分析说明：该芯片在被静电打击时，其静电防护电路中一个NMOS管受损，但该电路保护了芯片的功能电路，被击穿的NMOS管等效为一个电阻，因此导致阻抗测试异常，但芯片功能电路未受损的现象，为静电软击穿现象。且可认为该芯片在受静电影响后并未失效，相关电路仍具有正常工作的能力。即阻抗异常现象并不是芯片失效的充分条件。     

无人机地面控制站 应急电源逆变控制系统设计

为了给地面控制站提供安全可靠的应急电源,文章主要根据由DSP数字技术+脉宽调制SPWM驱动+IGBT+隔离滤波为一体化设计发展起来的一个新型UPS电源系统,并对逆变控制系统进行了硬件和软件设计。通过对控制系统的仿真验证,得出所需的稳定的三相交流电,说明该电源逆变控制系统可以为无人机地面控制站提供安全可靠的应急电源。     

螺旋桨飞机近地飞行时的纵向稳定性

根据某型飞机气动试验数据,分析了地面效应和螺旋桨滑流增量对飞机静稳定性的影响;根据小扰动线性化方程,计算了不同飞行条件下的飞机模态特性,分析了地面效应和螺旋桨滑流对飞机动稳定性的影响。结果表明：地面效应将使飞机纵向运动频率增加,而阻尼比降低;地效区内滑流增量使短周期震荡频率和阻尼比均增加,也使长周期阻尼比增加,而对长周期模态频率的影响不大;无地效时,滑流将使长短周期两种模态的频率均降低,而阻尼比增加。     

Transfer learning: A new aerodynamic force identification network based on adaptive EMD and soft thresholding in hypersonic wind tunnel

The aerodynamic test in the pulse combustion wind tunnel is very important for the design, evaluation and optimization of aerodynamic characteristics of the hypersonic aircraft. The test accuracy even affects the success or failure of hypersonic aircraft development. In the aerodynamic test of pulse combustion wind tunnel, the aerodynamic signal is disturbed by the inertial force signal, which seriously affects the test accuracy of aerodynamic force. Aiming at the above problems, this paper innovatively proposes an aerodynamic intelligent identification method, that is the transfer learning network based on adaptive Empirical Modal Decomposition (EMD) and Soft Thresholding (TLN-AE&ST). Compared with the existing aerodynamic intelligent identification model based on deep learning technology, this study introduces the transfer learning idea into the aerodynamic intelligent identification model for the first time. The TLN-AE&ST effectively alleviates the problem of scarcity of training samples for intelligent models due to the high cost of wind tunnel tests, and provides a new idea for further implementation of deep learning technology in the field of wind tunnel aerodynamic testing. And this study designed residual attention block with soft threshold and dense block with adaptive EMD in TLN-AE&ST model. Residual attention block with soft threshold module can more effectively suppress the influence of instrument noise signal on model training effect. Dense block with adaptive EMD makes the deep learning model no longer a black box to a certain extent, and has certain physical significance. Finally, a series of wind tunnel tests were carried out in the Φ = 2.4 m pulse combustion wind tunnel of China Aerodynamic Research and Development Center to verify the effectiveness of TLN-AE&ST.