基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

球体五通结构承载分析及试验研究

针对液体运载火箭五通结构承载能力开展仿真分析和试验研究，获得了五通不同部位的Mises应力分布图，并基于五通工艺成形过程中球体壁厚减薄规律，提出了薄弱环节的优化改进措施。在此基础上，开展了五通在不同内压载荷下的液压强度试验，并监测球体表面的应力水平。结果表明：五通产品承载最大的部位是球体大凸孔根部圆角附近，与产品成形过程中壁厚减薄最大位置不重合；在不改变球体外形尺寸的情况下，适当提升结构壁厚，产品重量增加小于1kg，应力水平下降了4%，产品合格率提升了30%；采取改进措施后的五通，内压爆破试验压力达到3.6MPa以上，相对于设计压力有3倍以上安全裕度。     

先进复合材料将成为卫星结构的主要材料

本文介绍了卫星结构材料的基本要求,对先进复合材料在卫星结构中的应用概况作了简述,指出今后一段时间里,卫星结构材料主要是高模量碳纤维复合材料。与此同时,对本单位复合材料研究与应用概况作了简介。