Design of driving wheel speed test device based on magnetoelectric sensor

In order to study the transmission efficiency of engine and optimize the structure of driving wheel,the rotational speed storage test device of driving wheel in tracked vehicle based on magnetoelectric sensor was designed.The device consisted of a mounting bracket,a sensor and a tester.The mounting bracket was installed in vehicle body after fixing the tester and sensor to mounting bracket beside the driving wheel.Using the storage test instrument,the wireless trigger technology was applied to synchronously record and stored the rotational speed data of the driving wheel in tracked vehicle.After the experiment was finished,the data was read out through the upper computer.Both valid data and satisfactory results were obtained through both simulated and actual vehicle tests.

扭矩测试实验台底座设计与模态分析

为防止扭矩测试实验台底座与电机发生共振且对实验台造成损坏,使用SolidWorks建立了实验台底座的三维模型,对尼龙、灰铸铁、铝材3种不同材质的实验台底座进行模态分析,得到其前三阶的振型和固有频率。通过讨论3种不同材质底座的影响,对扭矩测试实验台底座的设计提供了重要依据,在满足静力学强度和变形的条件下,实现轻量化设计,满足工作需求,最终选用铝材质的扭矩测试实验台底座。

甘油质量块加速度传感器减小应力波影响分析

针对一般的固体质量块加速度传感器在高g值侵彻时候存在固体质量块吸收大量应力波而导致获取加速度信息存在一定噪声的问题,利用有机液体甘油作为液体质量块、PVDF压电薄膜作为敏感元件,设计了一种液体质量块加速度传感器,经过波阻抗计算只有11. 21%的应力波透射到甘油质量块中,同时仿真分析表明,采用甘油的液体质量块,减少了侵彻过程应力波对传感器的影响,高冲击时候质量块不容易破损,适合于多层目标侵彻信息获取场合。

基于增量式比例-积分-微分控制和脉冲宽度调制的车辆舱内超压测控系统设计

为有效防止危险化学环境的有害气体从车辆舱体缝隙进入舱内,采用驱动风机加入净化空气建立舱内超压的方法,设计基于STM32单片机的车辆舱内超压测控系统。系统采用MQ135气敏传感器为例,采集有害气体(一氧化碳等)信息作为STM32控制器的触发信号,气压传感器采集舱内外压强得到压强差,运用增量式PID算法输出PWM波实现对风机的闭环控制,通入净化空气量大于舱内缝隙出气量,建立超压环境,保证空气来源单一流向,防止舱外有害气体进入舱内。系统壳体屏蔽分析设计、传感器的数字化提高系统在车辆电磁环境中的可靠性,模块化设计增加系统的可互换性。经过舱内试验,验证了系统检测舱外有害气体到稳定建立超压环境的可行性。

薄片铜环与轴融合的全封闭旋转轴转速测试方法研究

针对旋转轴在狭小紧凑空间、供电困难、电磁环境复杂的恶劣测试环境下,常规传感器无法满足测试需求的问题,提出了薄片铜环与轴融合的全封闭旋转轴转速测试方法。将薄片铜环作为交叉式容栅传感器与轴融合,采用存储测试方法,利用全封闭金属壳体包裹传感与测试单元,进行一定的电磁屏蔽,以适应电磁复杂环境。并搭建模拟实验台进行了测试实验,对采集到的转速数据进行分析处理,实现了对特殊环境下旋转轴在转动过程中转速参数的非接触式测量。

基于深度学习的恶劣战场环境图像恢复方法

为实现恶劣战场环境下降质图像的有效恢复、降低环境因素对战场态势感知的干扰,构建一种全新的、端到端的图像恢复方法——门控采样网络(GSNet).该网络以编码块-解码块为基本架构,以CNNs与门控卷积为编码与解码机制,以压缩和激励网络为编码块与解码块的连接机制,以高阶信息重要程度的重标定区分目标与背景特征,以通道粒度因子压缩方法为轻量化策略,实现对战场恶劣环境图像的快速恢复.相关实验结果表明,GSNet模型可使PSNR达到19.35 dB,并且SSIM达到0.724,无论是客观指标评价还是主观视觉效果,性能均优于对比的主流图像恢复算法;轻量级GSNet模型在较小提升PSNR、SSIM等指标的情况下,其参数量、FLOPs以及单张图像处理时间分别降低56.6%、54.6%和55.56%.