航天器运输包装箱仿真验证平台技术研究

针对数量有限的物理跑车试验无法满足减振与保温性能测试需求的问题，提出一套航天器运输包装箱动力学与热学仿真验证方法，包括：建立适用于包装箱系统的刚柔耦合多体动力学系统，通过结合线路条件测试生成的动力学系统外部激励，实现减振性能虚拟跑车测试；建立基于计算流体力学的包装箱热学模型，通过模拟自然对流和空调控制，实现包装箱保温性能虚拟跑车测试；基于C/S架构和导航式流程设计思想，建立航天器运输包装箱仿真验证平台，通过实际案例证明该平台仿真结果与实际跑车测试数据具有较高的一致性。     

Development and performance evaluation of tropospheric scintillation model on Ku-band satellite link over Akure,Nigeria

Existing amplitude scintillation prediction models often perform less satisfactorily when deployed outside the regions where they were formulated. This necessitates the need to evaluate the performance of scintillation models developed in one region using data data from other regions while documenting their relative errors. Due to its variation with elevation angle, frequency, other link parameters and meteorological factors, we employed three years (January 2016 to December 2018) of concurrently measured satellite radio beacons and tropospheric weather parameters to develop a location-based amplitude scintillation prediction model over the Earth-space path of Akure (7.17^oN, 5.18^oE), South-western Nigeria. The satellite beacon measurement used Tektronix Y400 NetTek Analyzer at 1 s integration time while meteorological parameters, namely; temperature, pressure and relative humidity were measured using Davis Vantage Vue weather station at 1 min integration time. Comparative study of the model’s performance with nine (9) existing scintillation prediction models indicates that the best and worst performing models, in terms of root mean square error (RMSE), are the Statistical Temperature and Refractivity (STN) and direct physical and statistical prediction (DPSP) models with values 11.48 and 51.03 respectively. Also, worst month analysis indicates that April, with respective enhancement and fade values of 0.88 and 0.90 dB for 0.01% exceedance, is the overall worst calendar month for amplitude scintillation.     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架，它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先，本文介绍了联邦学习的基本概念和威胁模型，有助于理解其面临的攻击。其次，本文总结了由内部恶意实体发起的3种攻击类型，同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较，进一步讨论了该领域未来的发展方向。     

酚醛树脂基纳米多孔材料的制备及结构调控

酚醛树脂基纳米多孔材料（Phenolic Resin-based Nanoporous Materials，PNM）是满足新一代航天飞行器轻质、高效隔热需求的新型热防护材料，传统制备方法中需使用超临界干燥技术，制备周期长、成本高。本研究通过两步法，即先合成线性酚醛树脂，再进行溶胶-凝胶的方法，实现了常压干燥PNM的制备。系统研究了固化剂含量、固化温度和固化时间对材料结构的影响和调控作用，分析了影响材料收缩率和热稳定性的因素。结果表明，PNM的微观纳米结构的变化会影响材料干燥后的收缩率，制备大颗粒、大孔径的微观结构更有利于降低材料的收缩率。而PNM的热稳定性主要受交联反应过程形成的化学结构的影响，通过优化固化剂的含量可提高PNM的热稳定性。当固化剂含量为10%，固化温度提高至150℃，固化时间延长至48 h的条件下，获得的PNM有最高的热稳定性（900℃下的残碳率为54.2%）、最发达的孔结构（比表面积为264.0 m²/g、孔容为2.67 cm³/g、平均孔径为40.0 nm）和最小的收缩率（0%）。此PNM制备方法简单、性能优异，在未来航天飞行器上有广阔的应用前景。     

多梁复合结构的动力学建模及全局解析振型分析

多梁复合结构广泛用于工程领域，其动力学特性对相关装备的工作状况有着重要影响，建立准确适用的动力学模型对后续的动力学响应参数影响规律研究有决定性作用。针对工程中常见的多梁复合结构，给出了位移场的一般表达式，利用哈密顿原理得出多梁复合结构的运动控制方程和边界条件，对其全局解析振型进行理论计算，给出了计算多梁复合结构数值振型的一般过程，基于数值分析和实验分析以L型梁和Z型梁为例利用频率相对误差、振型定性比较和MAC定量分析说明了全局解析振型的求解验证方法，利用伽辽金方法和全局解析振型给出了截断原系统得到离散系统运动方程的一般形式。提出的多梁复合结构的建模方法和全局解析振型求解验证方法，对工程中此类结构动力学响应的参数影响规律研究有重要意义。     

反推力装置运动学与动力学仿真

为了研究叶栅式反推力装置各部件在工作过程中的运动学与动力学特性,根据机构运动原理对反推力装置进行简化并建立了运动学与动力学数学模型。以滑动整流罩位移与阻流门所受气动负荷为输入进行运动学与动力学仿真,得到了反推力装置各部件的位移、速度及受力特性曲线,并对比分析了在不同尺寸参数下各部件特征点的运动轨迹和反推力装置负载力变化。结果表明:运动学及动力学仿真结果与工程实际相符；反推力装置机构参数选择不合理时,各设计点会发生干涉现象并导致机构无法运动;机构参数变化对负载力最大值影响尤为突出,在阻流门AC段长度值增大6%,阻流门CB段长度值减小9%的情况下,负载力正向最大值将增大19.53%,负向最大值增大12.67%。研究方法及研究结果可为反推力装置运动学及动力学分析,以及为反推力装置机构优化设计提供参考。      

一种针对局部结构的有限元模型修正方法

针对实际结构有限元模型（FEM）的建模误差通常仅存在于局部区域，提出了一种对局部结构单独进行模型修正的方法。首先，根据频响函数（FRF）解耦理论得到由残余结构频响函数与包含待修正参数的局部结构动刚度所重构的整体结构频响函数的拟合值，然后通过迭代优化使其与测量值的残差最小化，从而得到参数的极大似然估计。在此基础上，将残差关于参数的灵敏度以局部结构动力学矩阵表示，建立了模型修正的基本方程，利用整体结构的测试数据即可直接对分离出来的局部结构进行模型修正。最后，对喷气式飞机和三角机翼飞机分别进行了数值模拟和实验研究，验证了所提方法的可行性和有效性。结果表明，所提方法可以成功地用于仅局部区域含有建模误差的实际结构有限元模型的修正，修正后的有限元模型的动态特性与实际结构有较好的一致性。     

一种基于虚拟页地址映射的NAND Flash管理算法

本文提出了一种基于虚拟页地址映射的NAND Flash管理算法.该算法通过定义坏块表、对应表等结构，以及设计的坏块替换策略和虚拟页地址到实际物理页地址的转换算法，实现上层软件采用虚拟地址对NAND Flash的无坏块连续页地址访问.该算法是一种高效的地址映射算法，能高效地对数据进行索引，占用SRAM空间较少，使系统达到高性能，并使得闪存使用的更加稳定持久.     

Manifold structure preservative for hyperspectral target detection

A nonparametric method termed as manifold structure preservative (MSP) is proposed in this paper for hyperspectral target detection. MSP transforms the feature space of data to maximize the separation between target and background signals. Moreover, it minimizes the reconstruction error of targets and preserves the topological structure of data in the projected feature space. MSP does not need to consider any distribution for target and background data. So, it can achieve accurate results in real scenarios due to avoiding unreliable assumptions. The proposed MSP detector is compared to several popular detectors and the experiments on a synthetic data and two real hyperspectral images indicate the superior ability of it in target detection.