设计模式在航空发动机试验台测控系统中的应用

航空发动机试验台测控系统软件设计中引入了设计模式方法。以流程动态显示模块、用户管理模块和数据处理模块等为例,测控系统软件设计中应用工厂方法模式、抽象工厂模式、观察者模式及单例模式等典型设计模式。实践表明,设计模式在软件开发中,能很好优化软件结构,降低模块间耦合性,使后续维护和开发变得容易。

运载火箭故障诊断案例推理技术初探

随着我国运载火箭发射次数的日益增多,在发射过程中积累了大量的历史故障案例,这是一笔极具价值的知识财富。目前,对于历史故障案例知识的利用主要是通过故障汇编等形式进行总结,

山西省谷子产业发展现状及前景展望

本文从山西省谷子种植区划和分布、栽培管理和加工水平等方面出发分析了谷子产业发展现状,并对其发展前景进行展望,以期为促进山西省谷子产业发展以及谷子产业转型升级提供参考。

基于健康管理的运载火箭测试发控技术研究

健康管理技术在运载火箭测试发射中应用已经迈出了探索的第一步（动力系统故障诊断的应用），初步验证了该技术应用的可行性和可用性。后续，随着新一代航天运输系统研制，健康管理技术必将在测试发射过程发挥更大的作用。

运载火箭组装与测试远程协同信息平台技术

为适应未来高频度发射任务需求,在借鉴国内外远程协同及信息应用技术基础上,以中国运载火箭组装、测试及发射任务为背景,通过对功能需求和技术难点分析,设计了运载火箭组装与测试远程协同应用系统,对关键技术进行了分析和论述,为运载火箭远程测试、协同决策发射提供有效技术解决途径。

一种通用测试系统故障诊断功能设计

为了解决运载火箭测试过程中测试项目多、测试流程复杂、测试时间长的问题,一般采用具有故障诊断功能的通用测试系统,实现自动化测试;通过综合分析运载火箭测试项目需求,研究通用测试系统运行过程对故障诊断功能需求,提出了一种通用测试系统故障诊断功能设计方案,包括故障诊断的系统架构、线路诊断、测试平台自检、测试流程监测、故障定位,以及信息应用等功能;通过该故障诊断功能设计,简化了测试项目,实现了运载火箭的快速自动化测试、性能监测与状态评估,保障火箭的安全可靠运行,并可为维修决策提供支持。

大型运载火箭的健康管理技术应用分析与探讨

大型运载火箭是未来实施月球探测和深空探索的必备工具,健康管理技术是保证大型运载火箭可靠性、提升安全性与效费比的有效途径。结合大型运载火箭的特点,对其在各任务阶段的健康管理需求特点、健康管理系统的构建方案以及健康管理技术面临的主要问题进行初步分析和探讨。

载人运载火箭测试发射控制网络系统设计及关键技术

载人运载火箭测试发射控制网络是为适应载人运载火箭远距离测试和发射控制而研制。测试发射控制网络采用热备份路由及重传验证信息传输方法,实现了高效、高可靠的地面信息交换平台。本文对载人运载火箭测试发射控制网络研究背景、系统设计、系统功能、可靠性设计、关键技术实施等方面进行论述。

基于SDH运载火箭地面测发控网络技术研究

通过对传统运载火箭地面测发控网络系统采用以太网技术不能满足实时性要求高的信息传输的分析,提出基于SDH技术的运载火箭地面测发控网络系统方案。由于SDH设备具有状态快速检测技术和快速保护协议,使得该系统在传输链路故障情况下的切换时间,较传统的以太网方案提高89.7%;且由于SDH网络提供端到端的电路连接,具有电路交换的高实时性优点,保证信息传输的实时性。结果表明,基于SDH的测发控网络系统不仅在传输链路故障情况下的切换时间较传统以太网方案有较大提高,且可以保证实时性要求高的信息传输。

火箭喷管极性自动化测试系统的改进设计研究

使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节,该环节存在进一步改进和提升的空间。将递归全对场变换(Recurrent All-pairs Field Transforms, RAFT)光流算法替代传统光流法检测技术用于发动机喷管实时运动监测,并根据现场测试场景对光流算法进行了优化,提升了运动检测速度与测量精确度,使自动测试系统具备了摆角的估测能力;在软件系统设计层面,引入差异图像直方图法监听法辅助喷管动作识别,避免了光流法对于未处在监测流程中的摄像头的冗余监听资源消耗,降低了系统硬件设备的负载,同时实现了一种可视化在线判读软件的设计。提出的软件与算法方面的改进在当前已投入使用的极性自动化测试系统上实现了进一步的优化。

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management,PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator,HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network,ResNet)结合时空卷积网络(Temporal Convolutional Network,TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。

运载火箭测发网络异常流量识别技术

运载火箭测发网络系统是维系运载火箭各系统远距离测试发射控制的重要国防信息基础设施,测发网络流量数据的精准分析是检测异常行为和保障信息安全的关键举措。该文综合利用端口映射识别、载荷特征识别、统计分析和支持向量机（SVM）学习算法,构建动态混合识别策略,通过端口映射和载荷特征识别获取机器学习训练样本,利用信息增益完成特征选择,构建SVM机器学习识别模型并进行样本训练,建立投票机制实现流量数据综合分析。利用测发网络真实数据进行测试表明：该算法识别准确度达99.1%,并有效地降低了人工判决分析的次数。