新型电子装备固有测试性验证研究

分析了新型电子装备的特点和传统测试性验证方法的不足后,提出了新型电子装备固有测试性验证方法.在阐述了固有测试性验证方法原理的基础上,探讨了固有测试性验证方法的主要研究内容,并重点研究了新型电子装备测试点设计完备性的验证方法.     

空空导弹测试性验证方法探讨

本文对空空导弹的测试性验证的主要内容、参数以及测试性的验证方法进行了探讨。根据空空导弹的特点,提出了以数据收集为主,以测试性验证试验为辅的方法,并对验证方法进行了详细阐述。     

用经济可承受性思想指导武器装备建设

在归纳经济可承受性思想含义的基础上,给出了装备经济可承受性的数学模型,并对其特征和实践指导作用进行了分析。重点研究了经济可承受性在武器装备综合评价和武器装备建设中的应用。本文给出的提高经济可承受性的具体方法,具有可操作性。     

装配型管线压力波速的计算

装配型管线内含有巨量的连接密封橡胶圈,它们对压力波速有影响.提出一个计及其影响而又简明实用的压力波速计算方法:将胶圈的体积模量并入管内液体的体积模量中,以组合的体积模量计算压力波速,并给出Dg100管线输送汽油和水时的具体数值.     

构建大学英语教学考评体系探讨

本文在分析当前大学英语教学考评体系存在的问题的基础上,根据《大学英语课程教学要求》,针对大学英语教学"2 2 X"模式,构建了相应的多样化考评体系。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

高超声速飞行器组合导航体系效能评估

集合当今世界高精尖端技术的高超声速飞行器,单一或简单的组合导航方式已经无法保障其高超声速全球到达的飞行任务。研究了一种INS\GNSS\CNS组合导航体系方案,与典型的INS\GNSS组合导航系统方案相比较,并采用改进的贝叶斯法融合算法对这两种导航方案进行综合效能评估。结果证明,该评估方法切实可行,便于计算应用,证实了INS\GNSS\CNS组合导航体系保障高超声速飞行器作战能力更强。     

北斗导航系统移动基准站差分定位算法

针对复杂测量环境无法建立固定基准站及进行精密定位的问题,提出一种基于北斗导航系统的移动基准站差分定位算法,即基准站与流动站同时运动并实现高精度差分定位的算法。基于载波相位测量值,在动态短基线条件下,对数据进行站间和星间双差处理,消除接收机钟差以及其他公共误差。对多频观测值进行线性组合,构造双差载波相位超宽巷、宽巷、中巷及窄巷观测量。对上述观测量进行窗口滑动均值滤波并采用逐级模糊度确定法固定整周模糊度,即沿着从超宽巷到窄巷的顺序依次求解整周模糊度。为验证算法有效性,设计基于北斗导航系统的轨道外部几何参数检测仪进行实验,实现毫米级静态相对定位精度和厘米级RTK相对定位精度。     

基于数据适应性检验的身管磨损量预测研究

应用灰色系统理论研究不确定系统,对系统进行灰色预测模型建立的同时,需要检验系统原始数据序列是否符合建模要求。主要从3个方面检验数据建模的可行性,分别是光滑比、极比偏差和凹凸性检验。结合某型坦克炮身管内膛烧蚀磨损数据,采用不同的磨损数据作为灰色预测模型建模的原始数据序列,具体分成两种情况进行数据检验,并代入模型计算,分析不同情况下模型的预测精度,通过对比计算结果选出与模型匹配度更高的原始数据序列。