考虑吸收电路的五电平有源中点钳位变频器电压过零切换策略

五电平有源中点钳位(five-level active-neutral-point-clamped, 5L-ANPC)变频器拓扑结构简单,可直接通过公共直流母线供电,易于实现能量回馈,非常适合用于5～10 kV直流供电的船舶推进变频调速领域。简要介绍了5L-ANPC的主电路拓扑和工作原理,针对5L-ANPC拓扑杂散参数较大的四种换流回路,在兼顾可靠性及适装性前提下,设计了纯电容吸收电路。在上述基础上,分析了设置吸收电路后的5L-ANPC拓扑采用传统电压过零切换策略时存在的内开关管过压问题,并提出一种考虑吸收电路的切换策略,实现了输出电压过零器件安全切换,且避免了电压异常跳变。通过仿真和实验验证了所提考虑吸收电路的输出电压过零切换策略的有效性、正确性。     

光纤陀螺输入轴失准角的温度特性

光纤陀螺的输入轴失准角温度变化特性是光纤陀螺惯性系统正交校准所面临的主要难题。提出了一种有效地消除输入轴失准角测量误差的测试方法;对三只椭圆环结构的光纤陀螺进行了输入轴失准角温度特性研究。结果表明,三只椭圆环光纤陀螺的输入轴失准角分布比较集中;此外,椭圆环光纤陀螺的输入轴失准角随着温度变化呈非单调的曲线变化,高温过程的变化速度相对较快。该结论对光纤陀螺环制作工艺的改进提供了测试依据,并有助于惯性系统正交校准的温度补偿技术研究。     

高超声速飞行器纵向平面滑翔飞行制导控制方法

针对高超声速飞行器纵向平面内准平衡滑翔制导控制问题,提出一种基于动态面控制和滑模控制的制导与姿态控制系统设计方法。建立高超声速飞行器纵向平面质心和绕质心运动模型,以航程预测-校正控制为出发点得到期望速度倾角并结合飞行器纵向模型中速度倾角、攻角和俯仰角速率间的关系,利用动态面控制方法、终端滑模控制和二阶滑模控制方法完成高超声速飞行器纵向平面内制导与姿控系统设计。基于偏导系数矩阵形式的通用高超声速飞行器气动模型,完成期望攻角和左右升降舵偏角指令的解析计算。通过高超声速飞行器对该制导控制系统设计方法的有效性和鲁棒性进行仿真验证。根据数值仿真结果,系统阐述了高超声速飞行器进入准平衡滑翔飞行前后制导控制系统工作的特点,进而总结了从初始下降段到准平衡滑翔段交班飞行阶段制导控制系统设计需要注意的问题。     

无限质量降落伞充气动力学数值模拟

为分析降落伞火星再入环境下的超声速开伞性能,基于任意欧拉-拉格朗日罚函数法和多介质任意拉格朗日欧拉算法,求解可压缩流场与降落伞结构的耦合动力学模型。数值模拟盘缝带伞超声速开伞过程外形变化,预测气动力作用下的伞衣织物三维结构动力学行为。结合风洞试验数据,对比分析降落伞开伞性能和前置体对伞衣充气外形的影响。最终给出超声速伞周围非稳态流场的尾流和激波分布。仿真结果表明:盘缝带伞在超声速开伞过程中被完全充满且充气效果良好,未出现塌陷情况;随着来流马赫数的增加,降落伞阻力系数逐渐减小,充气时间缩短。仿真结果与试验结果保持一致,验证了所提方法的有效性。     

Huber加权的频率稳定度非相关差分抗差估计方法

计算原子钟频率稳定度时,钟差观测异常会导致Allan方差出现较大的估计偏差。建立Allan方差的差分估计模型,根据钟差的差分序列统计特性分析了相关差分估计的噪声识别与白化等计算复杂度问题;针对上述难点提出一种基于Huber权函数的非相关差分抗差估计方法,建立一种非相关差分序列的构造方法,有效避免了复杂的噪声识别及白化计算;给出Allan方差的非相关差分抗差估计的推导,并对抗差过程引入的误差累积给出了一种抵消方法;给出完整的抗差估计方案,并利用实测数据进行了实验验证。实验结果表明本方法对相位单点跳变、相位阶跃跳变具有显著的抗差能力,抗差估计可使异常引入的相对偏差由近200%降至10%以内。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

银河机向量线性代数库的并行算法研究及优化

文中对YH-1标量线性代数库进行并行算法研究:改造串行算法,挖掘其中的向量成份,实行并行计算。根据并行机的特点采取有效的程序优化措施,设计出银河机向量线性代数库。该库采用各种直接解法的并行算法求解各类线性代数问题,精度好,运行速度快(当n=300时,向量库运行速度平均为标量库的13倍)。     

主元分析法和模糊积分的航空发动机气路状态监测

航空发动机是一个大系统,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。为有效监测航空发动机健康状态,以航空发动机气路系统为例,提出一种基于主元分析和模糊积分的航空发动机状态监测方法。首先,利用主元分析法提取发动机状态样本集的主元,对样本数据进行降维,实现样本的最优压缩。其次,利用BP神经网络和Elman神经网络对发动机状态信息的特征向量进行初步状态监测。最后,利用模糊积分对采用两种神经网络的初步监测结果进行决策层融合,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机验证表明,所提出基于主元分析和模糊积分的状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

基于多模型的模拟电路软故障诊断

针对电子装备模拟电路故障诊断过分依赖专业技术人员和诊断专家的不足,提出利用信息融合技术,综合极限学习机(ELM,Extreme Learning Machine)、支持向量机(SVM,Support Vector Machine)以及BP(Back Propagation)神经网络等智能故障诊断模型,对模拟电路软故障进行诊断的故障诊断方法。通过对不同模型分别输入不同频率的电压信号,得到每个模型的诊断结果;采用DS(Dempster-Shafe)证据理论对每个模型诊断结果的可信度进行评估,确立每个模型诊断结果的组合置信度。通过不同模型诊断结果的决策层融合,最终获得诊断结果。以某型装备滤波电路的故障诊断为例,多模型融合诊断结果的准确率比单一方法模型的诊断准确率有了明显的提高,证明了该方法的有效性。