软件定义卫星技术概念及发展

针对在轨卫星呈现海量化、网络化、智能化发展的趋势，重点探讨了软件定义卫星技术的产生背景、概念、内容与挑战。通过历史回顾，归纳卫星系统研制的3个阶段，指出目前卫星系统正在从平台、载荷优先向算法优先演进，这一趋势推动了软件定义卫星技术的产生与发展；阐述软件定义卫星技术的概念与边界，指出研究软件定义卫星技术的目的不是研制一类新型卫星，而是利用软件定义技术实现硬件资源虚拟化、系统软件平台化、应用软件多样化，提升卫星系统的网络化与智能化；分析软件定义卫星技术的主要内容与挑战，并对未来的发展进行展望。     

多层高温隔热结构的传热特性

建立了高温多层隔热结构传热计算模型,采用蒙特卡罗方法模拟每个半透明隔热材料层内的一维辐射传递,采用有限体积法对多层隔热结构辐射导热耦合换热能量方程进行求解,对多层隔热结构的瞬态传热及热响应进行了数值模拟分析,研究了反射屏个数等因素的影响.结果表明,反射屏对多层结构隔热性能的影响取决于隔热材料的辐射特性与导热性能,当隔热材料衰减系数小时,将屏布置于高温区可提高隔热性能,当衰减系数大时,反射屏布置在低温区进行蓄热则更加有利.     

制备M40／环氧648浸无纬布工艺过程中影响质量的主要因素

介绍了Ｍ４０／环氧６４８预浸无纬布在制备时影响其质量的主要因素，如树脂含量、外观质量及制备时的环境条件等。通过合理控制这些影响因素，可制备出工艺状态稳定、质量符合要求的预浸无纬布。     

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%。     

一种基于深度学习的恶意代码克隆检测技术

恶意代码克隆检测已经成为恶意代码同源分析及高级持续性威胁(APT)攻击溯源的有效方式。从公共威胁情报中收集了不同APT组织的样本，并提出了一种基于深度学习的恶意代码克隆检测框架，目的是检测新发现的恶意代码中的函数与已知APT组织资源库中的恶意代码的相似性，以此高效地对恶意软件进行分析，进而快速判别APT攻击来源。通过反汇编技术对恶意代码进行静态分析，并利用其关键系统函数调用图及反汇编代码作为该恶意代码的特征。根据神经网络模型对APT组织资源库中的恶意代码进行分类。通过广泛评估和与MCrab模型的对比可知，改进模型优于MCrab模型，可以有效地进行恶意代码克隆检测与分类，且获得了较高的检测率。      

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。