遮荫条件下光伏发电最大功率的智能跟踪方法综述

局部遮荫条件下光伏发电将会产生多峰值输出功率,可能导致最大功率点跟踪失效从而造成能量损失。本文对两类最大功率智能跟踪方法进行归纳和评述,第一类方法是传统的控制算法,如粒子群算法等;第二类方法是混合算法,如粒子群和电导增量混合算法等。结果表明:尽管第一类方法能对光伏发电中复杂的非线性、多峰值功率进行寻优,但收敛时间较长和收敛精度不够高;第二类方法可以扬长避短,有效地发挥各算法的优点,提高搜索性能;如粒子群与电导增量混合算法,在0.25 s附近跟踪到最大功率点,其精度达到98.2%;电导增量法在0.29 s附近跟踪到最大功率点,其精度仅为88.5%;而粒子群算法在0.27 s跟踪到最大功率点,其精度仅为95.9%。该综述对未来全局最大功率点跟踪技术的发展提供了指导。     

一体化大功率电动伺服机构设计技术研究

根据大功率电动伺服机构发展趋势,分别从结构一体化、大功率小时间常数永磁同步电机及空间矢量控制、高性能驱动控制等关键技术进行设计研究,研制出大功率、高频响、高可靠的一体化大功率电动伺服机构工程样机。实验结果表明,该样机具有动态响应快、负载鲁棒性强等特点,可为后续高性能一体化大功率电动伺服机构提供研制思路。     

多间隙齿轮副系统非线性动力学特性分析

齿侧间隙和支承间隙对齿轮系统非线性动力学特性有重要的影响。首先,建立了齿轮副系统多间隙非线性动力学模型。模型中考虑了时变啮合刚度、静态传动误差、齿侧间隙与支承间隙等因素。然后,对系统方程进行量纲一化。最后,利用数值积分方法对方程进行求解,分析了系统在不同载荷条件下随齿侧间隙、支承间隙与阻尼变化的分岔特性。结果表明:在轻载条件下,系统随齿侧间隙的变化表现出丰富的运动状态,包括单周期、倍周期与混沌运动,而在重载条件下,系统的动力学特性未发生变化,仅振幅增大。同样地,系统的运动状态在重载条件下不随支承间隙的变化而改变;然而,在轻载条件下,当支承间隙增大时,系统处于不同的运动形式。研究结果为齿轮系统参数选取与优化提供理论依据。     

俄国Al—Mg—Li系1420合金的焊接裂纹和气孔

论述了Ａｌ－Ｍｇ－Ｌｉ系１４２０合金焊接时的主要缺陷（裂纹和气孔）的形成机理，针对这两种缺陷提出了减少和消除裂纹和气孔的有效方法。     

侧壁开孔蜂窝夹芯结构的传热性能分析

针对侧壁开孔蜂窝夹芯结构，建立了蜂窝单元高温辐射-导热耦合传热模型，采用有限元方法分析了内部传热机制，获得了其高温等效导热系数。讨论了开孔形状、开孔参数、孔排布形式等结构参数对等效导热系数的影响，拟合得到了等效导热系数的计算关联式。研究表明：开孔形状对蜂窝单元等效导热系数几乎无影响；等效导热系数随孔隙率增大而减小，受开孔数影响较小。并联开孔相对于串联开孔时等效导热系数更低，孔隙率14%、孔数为4时等效导热系数比串联时小8.4%，相较于未开孔时降低16.1%。     

基于改进ORB的月面着陆视觉导航的配准方法

月球探测器在下降着陆过程中探测到的月面图像灰度均匀,缺少纹理信息,而视觉辅助导航采用传统ORB算法对灰度均匀的月面图像检测出的特征点数量较少,容易出现团簇现象,因此提出一种基于改进ORB算法的图像特征提取与匹配算法。首先对月面图像构建金字塔尺度空间模型,设置自适应阈值并构建掩膜逐一分块检测特征点;然后采用非极大值抑制使特征点分布均匀,消除聚集现象再进行特征匹配;最后结合渐进一致采样算法剔除误匹配,并计算下降序列图像间的位置变换关系。实验结果表明:该方法对于存在大尺度、旋转变化情况下的月面图像,在匹配精度方面比ORB提高10%～13%,在月面着陆视觉导航应用方面具有较好的适用性。     

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.     

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。