网络中心战战场精确时间的同步技术

本文阐述网络中心战战场的时间同步技术、精确时间体系结构、双向比对远距离时间同步技术。对各种时间获取技术进行了比较,对GPS定时原理作了较为详细的说明。     

刚性包带式星箭锁紧机构分离性能研究

针对一种新型双点解锁刚性包带式星箭锁紧机构,运用软件ABAQUS显式动力学模块进行数值仿真计算,通过接触力学理论推导了螺栓预紧力与轴向接触载荷的关系式,基于单因素分析方法探讨了预紧力、摩擦因数和弹簧刚度对包带分离性能的影响规律及作用机理,采用Min-Max标准化对各影响因素进行显著性分析.结果表明:轴向接触载荷的仿真结...     

基于时间反转声学理论的超声相控阵超分辨率成像方法

在超声相控阵检测领域,常规成像方法遵守瑞利准则,其成像分辨率受到波长限制。研究时间反转多信号分类(Time Reversal-MUltiple SIgnal Classification, TR-MUSIC)方法,在保持超声波工作频率不变且不影响系统探测深度的前提下,可提高成像分辨率,实现超分辨率成像。通过全矩阵采集方法获取被测对象的超声阵列数据;利用平面B扫描和TR-MUSIC方法处理数据,得到二维和三维超声图像;依据图像特征评估被测对象内部状况。实验选取加工不锈钢试块作为被测对象,搭建超声相控阵检测系统,在试块内部加工6个直径为1 mm、可视为点散射体的相邻贯通孔作为缺陷。实验表明,TR-MUSIC方法能够区分并定位这6个相邻点散射体,而平面B扫描方法则不能。因此,基于时间反转声学理论的TR-MUSIC方法可以提高成像分辨率,改善超声图像质量。     

不同采集设备时间对准研究及误差分析

在数据采集和测试领域,经常出现对不同采集设备的记录参数进行对比分析的情况.为保证对比分析的正确性,需要对来自不同采集设备的数据进行时间上的对准.针对采集设备缺少时间信息的情况,提出一种利用关键参数的关键变化节点实现不同采集设备时间对准的方法.选取记录在不同采集设备中的同一个参数设为关键参数,分别查找该参数在两采集设备中发生同一状态变化的采集时刻位置,该时刻位置作为关键时间节点.利用该关键节点和采集设备的采集频率,实现不同采集设备起始时刻的对准.最后利用数值内插,实现不同采集设备在任意时刻的时间对准.通过均值和方差工具对该方法的时间对准精度进行分析,结果表明时间对准精度取决于采集设备的采集频率,当不同采集设备采集频率差异较大时对准精度取决于较低的采集频率.     

结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.     

基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

一种新的对潜应召搜索法及其效能分析

论述了一种新的对潜应召搜索法 ,并对其效能进行了分析 ,同时就平均发现概率、搜索时间、转向次数三个指标与海军现在使用的扩展方阵搜索法进行了仿真比较     

有限时间热力学研究的一些进展

介绍近年来在不可逆热机理论、回热式燃气轮机循环分析、类热机装置分析和广义热力学优化理论研究中的一些进展 ,并简要阐述其发展方向 .     

“低慢小”无人机雷达探测研究与展望

小型无人机的雷达截面较小,对它实施远距离探测难度较大,且环境因素和误报问题也会影响雷达探测的表现。然而,雷达探测仍是最前沿的无人机探测技术之一。探讨无人机雷达探测系统在探测和追踪无人机方面的应用和挑战。介绍无人机雷达探测系统的基本原理和研究热点,详细分析无人机雷达探测系统在探测和追踪无人机方面的效果以及遇到的性能和技术上的挑战。未来的研究可以使用合成孔径雷达和集成多个传感器的方法来进一步提高雷达探测系统的探测性能并减少误报数量。同时,机器学习和人工智能技术的应用也可能有助于提高探测精度,使雷达系统适应不同的环境和目标。