槽头式野战管线水击波速测量研究

液体管道的水击波速受流体压力、温度、分子结构、含气量及管线几何尺寸、管材等因素的影响,准确地确定管线的水击波速是一个相当困难的问题,通过实验测量水击波速是一个常用方法。管线水击波速的常用测量方法有波前法和周期法。综合运用波前法和周期法,设计了实验测量野战管线的水击波速,并将实验结果与笔者先前提出的水击波速计算公式的计算结果作了对比,验证了公式的有效性。     

基于数字鉴频器的内燃机瞬时转速延时测量法

将基于数字鉴频器的延时法用于内燃机瞬时转速测量.首先介绍了延时法解调电路原理,然后使用仿真手段对延时法测量的特点进行了研究.仿真结果表明,该方法能够较好地还原频率调制信号,最后经实测试验证明了测量的有效性.该方法可采用全硬件电路实现,测量设备简单,可抑制调幅因素的影响,是一种有效的瞬时转速测试方法.     

潜艇规避被动声纳浮标阵方法及期望驶离时间

基于对反潜巡逻机布放被动声纳浮标阵的研究,对方形阵的布放建立了模型。利用该模型研究了我潜艇规避被动浮标声纳阵的方法。通过计算,得出潜艇驶离被动声纳浮标阵搜索范围的期望时间,用选取的声纳浮标阵间距和潜艇规避速度对结果进行分析,为潜艇的下一步行动提供辅助决策。     

军用航空数据总线研究进展

回顾了航空数据总线的发展历史,指出了由于航空电子各子系统之间对数据传输速率要求的进一步提高,使得现阶段使用较为广泛的M IL_STD_1553B已不能适应未来战机的发展要求,为了有效地解决M IL_STD_1553B航空数据总线的低速率传输的问题,且不影响当前航空电子系统的高可靠性、低时延以及长工作寿命等特点,重点介绍了光纤通道技术和空间光纤数据总线技术及其取代M IL_STD_1553B技术的可能性。     

基于BP神经网络的柴油机动态输出扭矩预测建模

比照测试柴油机负荷特性方法对某型废气涡轮增压柴油机进行了全工况热平衡台架试验,并以柴油机各稳定工况点台架试验的转速、加油尺杆位移、排气温度及相应输出扭矩的测试数据为训练、测试样本,通过BP神经网络的反复学习,得到了精度较高且泛化能力较强的柴油机动态输出扭矩预测模型。     

低气压环境下柴油机涡轮增压器转速实车估算方法

针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。     

转速对动态旋流器流场影响的数值分析

根据计算流体力学方法,对采用不同转速的动态旋流器流场进行数值模拟,深入分析了转速对动态旋流器切向速度、静压以及湍动能的影响。计算采用雷诺应力模型和混合物模型。结果表明:转速对动态旋流器切向速度和静压影响非常大,不但影响其数值大小,对其分布趋势也产生明显影响;转速对动态旋流器湍动能的影响主要集中在旋转栅附近,在转筒后半段转速对湍动能的影响明显弱化,适当提高转速甚至有抑制湍流的作用。     

高机动性能导弹大迎角测量方法研究

简要介绍了嵌入式大气数据传感系统的概念及技术。针对高速高机动性能导弹大迎角高马赫飞行的特点,提出应用嵌入式大气数据传感技术解决导弹大迎角测量问题,并结合导弹自身特点,给出了迎角测量原理和方法,这对于新型导弹的设计具有一定的借鉴意义。     

伺服系统速度环控制器参数的自整定及优化

针对交流伺服系统速度环控制器参数自整定及优化的需求,为使工程技术人员避免繁琐的调参过程,提出了一种基于转动惯量辨识的速度环控制器参数自整定及优化方法。首先,采用频率法分析伺服系统速度环控制器参数的设计规则;随后,采用遗忘因子递推最小二乘法,对控制器参数设计所需的系统转动惯量进行辨识;最后,在此基础上利用设计的变步长迭代算法,完成控制器参数寻优过程。仿真结果表明,采用遗忘因子递推最小二乘法,能够有效辨识出电机轴端的转动惯量。提出算法进行整定及优化后,速度环控制器参数能使系统具有良好的动态响应和鲁棒性。     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.