惯性信息辅助的星像点质心提取方法

针对振动环境中星敏感器曝光得到的模糊星像点质心提取精度低的问题,提出了惯性信息辅助的星像点质心提取模型并建立了相应的算法。算法以星像点区域的加权中心为曝光初始时刻的星像点质心,根据与星敏感器捷联的惯性设备测得的振动信息计算质心在曝光过程中的轨迹并利用星像点能量分布模型估计恒星的成像区域和加权中心,采用迭代的方法使得两加权中心重合,从而得到曝光结束时刻星像点质心的精确值。仿真分析了算法的质心提取精度及相关因素对提取精度的影响,结果表明算法在振动环境下仍可准确提取出星像点的质心,精度在百分之一像素左右,而且算法具有较好的适用性。     

车辆悬挂复合式电磁作动器设计及试验

为缓解电磁悬挂系统振动控制与能量回收之间的矛盾,提高工作可靠性,提出了一种基于电磁减振技术和磁流变阻尼技术的复合式电磁悬挂系统结构方案,并设计了基于无刷电机和磁流变阻尼器,集主动、半主动控制和馈能功能于一体的复合式电磁作动器,同时对复合式电磁作动器的主动出力、变阻尼以及馈能特性进行了试验研究,结果表明:该作动器主动出力范围大,阻尼调节范围宽且馈能效率较高,满足车辆悬挂应用要求。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

多基准站相对定位算法及先验基线向量偏差影响分析

为提高单基准站短基线相对定位解算的可靠性,研究了多基准站约束的相对定位算法。将基准站间可提前测量的先验基线信息融入观测模型中,给出了多基准站相对定位的函数模型和随机模型,在此基础上推导了模糊度精度因子的解析表达式,揭示了基准站数量的增加对模糊度浮点解精度提升的作用;从理论上分析了基准站间先验基线信息中的偏差对模糊度解算的影响,分析表明,当先验基线各分量偏差的绝对值之和小于5 cm时,模糊度解算几乎不受影响;通过仿真和实测数据进行了验证。试验结果表明,增加基准站数量不仅能有效提升模糊度解算成功率和收敛速度,并且对先验基线信息中的偏差具有较好的抑制作用,当基线各分量偏差均增加到4 cm时,实测数据模糊度解算成功率仍能达到92%以上。研究结论为特殊场景下多基准站间的快速非精确标定提供了理论依据。     

装备预研管理数字化转型研究——数字孪生装备预研

数字经济时代,装备预研管理应积极面对数字化转型趋势,构建与数字经济发展相适应的管理体系。结合数字经济的变革属性,借鉴民口科技计划管理数字化实践经验做法,总结和分析当前装备预研管理数字化面临的主要问题及紧迫需求,提出未来装备预研管理发展的一种新范式——数字孪生装备预研,即利用数字孪生助力装备预研管理的数字化转型,并从组成、理想特征和能力、关键技术以及发展路径四个方面对数字孪生装备预研的概念内涵进行了深化阐述,以期对当前装备预研管理的创新起到参考和促进作用。     

滑阀副配磨参数微机控制测量系统的研究

本文论述了滑阀副配磨参数的测量原理,提出了微机控制的滑阀副配磨参数测量系统,介绍了系统的硬件与软件设计,给出了测量系统的实验结果,并对测量系统进行了误差分析,最后得出几点结论。     

改进的精密三点法——在线测量直线度方法的再探讨

在原精密三点法的基础上,对插值方法进行了改进,对随机误差采用了相应的数据处理方法,使得分离结果更加接近真实值,并有效地去除了随机误差的影响,得到了采样值加密的曲线,文中给出了改进的精密三点法的算法和流程图。从仿真和实验结果来看,该方法是具有可行性和可靠性的。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

基于乘法分解弹塑性的有限元平衡方程及简化

主要研究了乘法分解弹塑性在大变形有限元程序中的实现.首先建立了纠正的拉格朗日描述下的平衡方程.并导出了其一致线性化形式,然后以中间构形弹性对数应变张量及与其功共轭的应力张量为共轭应力应变度量代入平衡方程对其进行简化与对称化处理以形成便于程序实现的Jaco-bian矩阵.采用所建立的有限元公式对圆柱形试件的单向拉伸过程进行了数值模似.