摘要：[目的]为了适应柔性压力传感器面向特定应用的定制化设计需求,提出一种基于非均匀分布微结构的电容式柔性压力传感器,开展传感器性能调控研究.[方法]首先,基于敏感层微结构非均匀分布方式,提出一种灵敏度预测模型,并通过与实际测试结果的对比分析,验证模型的正确性.其次,研究当介电层微结构为微圆台时,不同微圆台顶面半径、高度、底面半径等几何参数以及次级微结构对传感器灵敏度和线性范围的影响.最后,基于该调控方法制备了综合性能良好的多级非均匀微结构分布的柔性压力传感器,进行性能测试与应用测试.[结果]非均匀分布微结构柔性压力传感器的灵敏度与微结构的分布及几何参数密切相关.通过对微结构分布的调控可筛选出具有最优灵敏度的传感器,对敏感层微结构几何参数的调控可实现对柔性压力传感器性能的调控.[结论]该性能调控方法对面向特定应用的传感器定制化设计具有一定的指导价值.

摘要：自动测试系统在航电产品测试中的作用越来越重要,各利益相关方需深刻认识自动测试系统演进路线,以便统筹进行技术规划和管理优化。从航电产品的测试出发,识别重点需要自动测试的场景,并定义系统演进进程的主要评估维度;综合权衡技术发展趋势和应用现状,结合主要评估维度,推断自动测试系统的演进路线图,并分析当前演进进程和未来演进趋势;对演进路线图中各代产品,分别定义产品特征,包括典型功能和架构设计模型。

摘要：新一代人工智能技术能够提高飞行器试验安控系统的辅助决策能力,满足地面安控目标数量增多、故判规则量增大、故判时效性高等新需求,具有广阔的应用前景。在对飞行器试验地面安控需求分析的基础上,设计面向智能辅助决策的地面安控系统总体框架,增加了数据与模型管理模块;接着构建了辅助决策知识库,主要包括故障弹判据、速度判据、位置判据和预示落点判据等规则库;在此基础上提出数据和规则协同驱动的故障预测方法。该系统既利用历史积累试验数据对深度神经网络模型进行训练,又利用规则库提高专家经验对模型预测精度的贡献,能够提高故障智能预测能力,满足飞行器安控智能辅助决策需求。

摘要：本文主要研究网络环境下无人水面船舶(Unmanned surface vessels,USVs)遭受虚假数据注入式(False-data-injection,FDI)攻击的跟踪控制问题.其中,内部和外部不确定以及输入饱和约束等实际因素均考虑在设计中.在控制设计过程中,为避免将船舶速度的攻击信号引入闭环系统,采用分类重构思想,构造一种新的神经网络(Neural network,NN)状态观测器,同时重构船舶速度和攻击信号.进一步,在backstepping设计框架下,利用重构的攻击信号补偿USVs运动学通道因虚假数据注入式攻击引起的非匹配不确定项.在动力学设计通道中,利用自适应神经技术和单参数学习法,重构由内部和外部不确定组成的复合不确定部分,进而提出自适应神经输出反馈控制方案.理论分析表明,即便在FDI攻击、内外不确定以及执行器饱和约束的情况下,所提控制方案仍能迫使USVs跟踪给定的参考轨迹.同时,仿真和比较结果证实了所提控制方案的有效性和优越性.

摘要：在地磁场测量领域中,自激振荡式碱金属原子光泵磁力仪因为快速响应与高精度成为一项重要技术。其中自激式双气室光泵磁力仪无需考虑移相电路带来的信号误差,电路简单。使用垂直腔面发射激光器作为泵浦光源有效降低了磁力仪功耗和体积。针对使用垂直腔面发射激光器的便携式双气室铯光泵磁力仪激光稳频方法进行设计,设计方案包括激光器温度控制电路,光泵磁力仪信号反馈电路,激光器电流源调制与控制电路。将注入电流调制的稳频方法用于双气室光泵磁力仪结构,减小稳频代价的同时具有较好稳定性,温度控制精度达到0.002℃,10秒内波长稳定度达到4.36×10^(-10),初步探索了自激式双气室光泵磁力仪集成化与小型化的可能性。

摘要：针对现有深度学习模型在故障特征提取过程中容易受到大转数波动工况影响,导致航空发动机附件机匣故障诊断精度较低的问题,提出了一种机理约束图权重增强网络(Mechanism constraint graph weight enhancement networks,MCGWENet)的航空发动机附件机匣故障诊断方法。首先通过度量振动信号时域和频域特征的欧式距离约束图的邻接矩阵,将物理机理嵌入到所构建的图结构中;然后将振动信号的小波包分解结果作为节点特征;并结合所设计的邻接矩阵构造出可用于航空发动机附件机匣故障诊断的图;最后,通过所设计的图权重增强层抑制大转数波动对故障特征提取的影响,提升所提模型的故障诊断精度。试验结果表明,所提模型能够有效识别机匣故障,可用于航空发动机附件机匣健康管理。

摘要：针对在近海环境下,利用“以机代人”进行自主特种作业的实际需求,设计研发模块化可重构水下机器人,并提出一种基于领航者-虚拟结构的编队策略。首先针对几种不同的典型水下作业任务,依据重构方案设计异构水下机器集群;然后根据水平面三自由度运动学和动力学方程,推导水下机器人集群的动态误差模型;针对路径已知的集群编队问题提出领航者-虚拟结构策略,其中跟随者水下机器人采用基于通信时延补偿的滑模控制器进行跟踪。结果表明,该控制策略可以快速形成队形且轨迹误差小于5%。最后应用3种已开发完成的水下机器人,在可视化仿真平台中进行实验验证,证明该异构水下机器人集群编队方法合理高效。

摘要：地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路.

摘要：将三维N-S方程流场计算、网格自动生成、Hicks-Henne函数叶型和子午面流道参数化与单纯形法寻优相结合,研究构成离心压气机工作轮自动优化设计软件。采用本文方法进行气动优化设计,流场计算要求有较高精度。对Krain工作轮的计算并与实验结果比较表明,流场计算程序具有令人满意的计算精度。在目标函数设定时,兼顾非设计点性能达到在设计转速下整个流量范围内的气动性能优化。采用所研制软件,对两个离心压气机工作轮进行优化设计,优化工作轮达到在压比近似不变的前提下效率有效提高。

摘要：为了实现旋转式微发电机对微系统的持续供电,研究了旋转式微发电机的设计、制造以及实验方法。首先,设计了具有单转子和单定子的三相、永磁同步微发电机模型。使用传统的磁路分析法得出了微发电机气隙磁密和感应电动势的表达式,确定了微发电机的主要设计参数。对模型进行有限元分析,得到了感应电动势波形。然后,利用精密加工技术加工了转子和定子各构件,并装配成为尺寸为(Φ7×2)mm3的微发电机样机。最后,通过实验得出了微发电机在不同气隙厚度和不同转速下的感应电动势。实验结果显示,在气隙厚度为300μm,转子转速为10kr/min时,微发电机的一相感应电动势峰峰值为26.2mV;当接入0.23Ω的对称负载时,三相输出功率为357.3μW。结果表明,微发电机输出结果比较理想,有望作为微系统的电源装置。