吸入暴露装置中用胸腔体积描记器测量家兔呼吸参数

用胸腔体积描记法通过从气压变化→电信号→数字信号的转化过程,将家兔的胸腔体积变化转变为计算机可识别的数字信号,再经过滤波、信号识别、各种影响因素的校正,从而实现了对家兔呼吸参数的准确测定。实验表明,该系统可在不影响动物呼吸的清醒状态下实时测量呼吸参数,特别适用于吸入暴露时的呼吸测量。     

Al/H2O2作为无人水下航行器动力电池的研究

概述了Al/H2O2半燃料电池的原理及在水下无人航行器动力电源中的运用,系统分析了国内外在电极材料(包括阳极和阴极材料)、电解液和电解液补充优化系统几个方面的发展,提出了国内在这方面研究的重点技术和可能的解决途径.     

返回器飞行管道的快速预测算法

针对返回器回收任务中对安全空域和期望落点的计算需求,提出了基于Koopman算子的飞行管道快速预测算法,给出了搜救直升机安全飞行空域的判定流程。建立了物伞动力学模型,利用Halton采样方法从随机空间中均匀采点,计算得到多条可能弹道;采用Koopman算子的后拉机制,将初始概率密度值与当前状态关联,得到不确定条件下返回器及其分离部件的飞行管道和期望弹道。仿真结果表明,基于Koopman算子的飞行管道快速预测算法在收敛速度和精度上都要显著优于Monte Carlo方法;利用飞行管道计算结果对搜救直升机飞行路线进行规划后,碰撞风险最大降低54%且搜索时间减少70%。飞行管道预测算法已成功应用到嫦娥五号的回收任务中。     

编队式自主水下航行器无碰协调控制技术研究

针对自主水下航行器(AUV)编队式航行中存在智能体间相互碰撞的危险,提出一种自主水下航行器的无碰协调控制技术,包含了编队协调控制和无碰策略等多种基本行为的融合.在编队控制中运用基于级联方法的路径跟踪控制技术和参数一致性的协同控制方法,保证了跟踪误差的渐近稳定,采用HRVO算法的无碰避障策略,使得AUV可以同时避开一般障...     

挠性航天器姿态机动的主动振动控制

研究了挠性航天器姿态机动过程中挠性附件的主动振动控制问题.针对刚性主体上带有挠性梁的航天器,在建立挠性系统动力学模型的基础上,采用滑模变结构控制策略进行挠性航天器的大角度机动控制,为了快速抑制由于刚体运动而激发的弹性振动,在挠性梁上配置压电致动器,并通过速度反馈设计压电致动器的控制律.仿真结果表明,此方法在实现了旋转机动的同时,有效抑制了弹性振动.     

太空乌木马——空天飞机

空天飞机是航空航天飞机的简称。顾名思义,它集飞机、运载器、航天器等多重功能于一身,既能在大气层内作高超音速飞行,又能进入轨道运行,将是21世纪控制空间、争夺制天权的关键武器装备之一。它好像是《天方夜谭》故事中自由飞行的乌木马,甫一亮相,就备受瞩目。空天飞机性能卓越空天飞机的奥妙之处在于它的动力装置。这种动力装置既不同于飞机发动机,也不同于火箭发动机,而是一种混合配置的动力装置。空天飞机中安装有涡轮喷气发动机、冲压发动机和火箭发动机。涡轮喷气发动机可以使空天飞机水平起飞,当速度超过2400千米/小时,就使用冲压发…     

新兴的水下作战平台UUV

目前世界范围内正掀起了一股UUV热,势不可当。特别是美国发布的UUV总体规划,明确了UUV的作战使命。UUV作为一种独具特色的水下作战力量,正在成为一种新型作战平台,受到各国海军的关注。为说明UUV这一新兴的水下作战平台,较为详细地介绍了UUV的使命、功能、美国UUV总体规划的要点、UUV目前的发展现状以及存在的主要问题。     

用于射频/红外复合制导半实物仿真的波束组合器

射频/红外双模复合制导技术的不断发展引发了对射频/红外双模复合制导半实物仿真系统的需求,而波束组合器是半实物仿真系统的关键部件。讨论了波束组合器技术以及波束组合器对单脉冲雷达测角精度影响的测试方法。     

面向大规模卷积计算的多忆阻器阵列互连结构设计

针对现有多忆阻器阵列集成架构中存在的数据加载、读出效率低以及阵列协同灵活性差等问题,提出一种高效率、高灵活度的阵列互连架构。该架构所采用的数据加载策略支持多种权重映射模式下的数据复用,减少了片外数据访存需求;所采用的计算结果读出网络支持多个处理单元灵活组合实现不同规模卷积运算,以及计算结果的快速累加读出,进而提升了芯片灵活性和整体算力。在NeuroSim仿真平台上运行VGG-8网络进行的仿真实验表明,与MAX²神经网络加速器相比,在仅增加6%面积开销的情况下,取得了146%的处理速度提升。     

校准方法和存内训练相结合的忆阻器神经形态计算方法

基于忆阻器的神经形态计算架构在图像分类、语音识别等领域取得了较好的效果,但当忆阻器阵列存在低良率问题时,其性能会出现明显下降。提出一种基于忆阻器神经形态计算的校准方法和原位训练相结合的算法,利用校准方法提高乘累加计算的准确率,并利用原位训练方法降低训练误差。为了验证所提方法的性能,采用多层感知器架构进行仿真。从仿真结果来看,神经网络的精度有明显的提高(近40%)。实验结果表明,与单纯的校准方法相比,采用所提方法训练的网络精度提高了约30%,与其他主流的方法相比,所提方法训练的网络精度提高了0.29%。