世界最大推力电动振动试验台诞生

攻克一阶共振频率、冷却技术、功放与台体的阻抗匹配三大技术难关。振动台推力、频率响应特性等相关技术指标远远优于国际同类产品。     

杂散参数对串联型磁脉冲压缩器输出特性影响*

使用电路模拟软件(P-Spice)分析了脉冲电容器自身电感、磁开关绕组匝间电容以及磁芯处于不同工作状态时,磁开关绕组自身阻抗等杂散参数对串联型磁脉冲压缩器输出特性的影响。结果表明,匝间电容和磁芯处于未饱和状态下的绕组自身电阻对系统的输出特性影响相对较小;磁芯处于饱和状态时,绕组自身阻抗对系统的电压传输效率影响较大;脉冲电容器的自身电感不仅会降低系统的电压传递效率,同时会影响到输出脉冲上升沿的宽度。基于以上的结论,对单级串联型磁脉冲压缩器进行了优化设计并研制了一台输出峰值电压26kV,脉冲上升时间由4.1us压缩到1.2us的串联型磁脉冲压缩器,电压传输效率大于92.5%。     

金属化聚丙烯膜脉冲电容器过载特性

脉冲电容器作为爆磁压缩激励电流源的储能元件之一,通常要求单次可靠运行。正是由于单次运行,为脉冲电容器的过载工作提供了极大的可能。过载工作的电容器与额定电容器相比具有体积小、重量轻的优点,可实现爆磁压缩激励电流源的紧凑化。研究了不同温度下国产金属化聚丙烯膜脉冲电容器的过载特性,如过载运行的储能密度,放电电流及可靠度等。实验表明:在-45℃~60℃范围内过载运行这种电容器,其储能密度可达额定储能密度的1.8倍,同时在0.95的置信水平下,其过载运行的可靠度单侧置信下限为0.9,可以实现稳定可靠运行。     

杂散参数对串联型磁脉冲压缩器输出特性的影响

使用电路模拟软件分析了脉冲电容器自身电感、磁开关绕组匝间电容以及磁芯处于不同工作状态时磁开关绕组自身阻抗等杂散参数对串联型磁脉冲压缩器输出特性的影响。结果表明,匝间电容和磁芯处于未饱和状态下的绕组自身阻抗对系统的输出特性影响相对较小;磁芯处于饱和状态时,绕组自身阻抗对系统的电压传输效率影响较大;脉冲电容器的自身电感不仅会降低系统的电压传输效率,而且会同时影响到输出脉冲上升沿的宽度。基于以上结论,对基于电容负载的单级串联型磁脉冲压缩器进行了优化设计并研制了一台输出峰值电压26k V,脉冲上升时间由4.1ms压缩到1.2ms的串联型磁脉冲压缩器,电压传输效率大于92.5%。     

基于GA-BP网络的LFM信号脉冲压缩

为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。     

基于混合算法的巡飞无人机轨迹优化策略

提出大型空中侦察无人机作为控制中继来控制陆基发射的巡飞无人机作战模式。以多脉冲固体火箭发动机为动力的巡飞无人机的航程末端速度大,可以有效提升无人机的战场生存能力;为使巡飞无人机末速最大,有效提高巡飞无人机飞行轨迹优化求解的鲁棒性和精度,提出了遗传算法与高斯伪谱法相嵌套的混合优化方法。同时与单脉冲推力模式的无人机进行了对比仿真,验证了该混合优化算法的实用性和有效性。     

永磁直线同步电机Halbach阵列电磁激振力建模

为实现永磁同步直线电机Halbach阵列电磁激振力的精确计算,首先建立了考虑边端效应的伪周期电磁场子域解析模型,对永磁阵列电磁特性进行精确刻画;然后,基于永磁体磁能分布原理修正相互作用磁能表征式,继而推导出基于局部虚功位移法永磁体电磁激振力计算公式;最后,通过有限元验证了永磁阵列电磁场模型,并通过堵驻推力试验间接验证了电磁激振力计算的精确性。     

卫星导航接收机中快扫频干扰低复杂度抑制方法

针对卫星导航接收机中的快扫频干扰抑制问题,提出了一种基于脉冲置零的低复杂度干扰抑制方法,与传统基于时频分析的干扰抑制方法不同,该方法通过低通滤波将时域上连续的快扫频干扰转变为脉冲干扰,并通过脉冲检测与置零对干扰进行抑制。当快扫频干扰处于低通滤波器带内时,被当作脉冲干扰置零;当快扫频干扰处于低通滤波器带外时,被当成带外干扰滤除。理论分析与实验结果表明,该方法相对传统方法的运算复杂度降低了一个数量级,并且能得到与传统方法相近的干扰抑制效果。     

ACO-ELM与CFSFDP结合的机载动力系统参数估计北大核心

针对机载动力系统测试数据的不确定性,求解参数实时性差的问题,提出了基于快速寻找密度极点聚类与蚁群极限学习机的机载动力系统的参数估计方法。首先利用基于寻找密度极点的聚类算法对全工况范围内的测试数据进行聚类,然后在每一个子类中用极限学习机设计了子参数估计器,并用蚁群算法寻找极限学习机的最优隐层神经元数目。训练与测试表明,参数估计测试相对误差明显优于传统的RBF神经网络方法,且参数估计时间能够满足机载在线实时状态评估的需求,该方法可应用到其他不可测参数的估计。