基于产品结构的航天器AIT过程多维数据管理系统

文章为解决航天器AIT过程中数据集成度低、数据应用不佳等问题,从数据模型构建、数据集成等方向出发,分析了AIT过程数据在产品结构、时间周期、阶段型号3个维度的演变过程,构建了多维数据模型,并开发基于产品结构的多维数据管理系统。该系统以产品结构为核心,对AIT过程数据进行重新组织,定义不同系统间、不同维度数据之间的关联关系,实现了AIT过程全数据的结构化整合,在此基础上生成了AIT过程数据包。     

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。     

北斗空间信号误差统计特征及描述方法研究

通过对比北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)广播星历与事后精密星历,提取了轨道和卫星时钟误差。基于北斗轨道误差及北斗卫星时钟误差统计特征分析,构建区别于全球定位系统(Global Positioning System,GPS)的BDS空间信号用户测距误差(Signal-In-Space User Range Error,SISRE)描述方法,对BDS广播星历中用户测距精度(User Range Accuracy,URA)进行了验证。6个月的北斗数据测试结果表明,北斗GEO、IGSO和MEO卫星的URA分别为3.0m、1.9m和1.6m。     

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection，CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中，为提高太阳风预报的准确率，需要提高CME参数识别的精度.模型以计算任务串行的方式运行，运算效率低导致模型运算时间长，不能满足这种需求.CME参数识别模型的物理运算过程相互不独立，其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架，改进了CME参数识别模型的计算流程，提出CDMR（CME detection under MapReduce）方法，实现了CME参数识别模型的并行计算，并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间，提高了模型的识别精度和计算效率.      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

Effect of curing condition on bonding quality of scarf-repaired composite laminates

Both single-face vacuum bag curing (SVC) and double-face vacuum bag curing (DVC) can be used in scarf repair of composite structures. But different curing conditions caused by the sealing state may affect the bonding quality of scarf-repaired structures. In this paper, the effect of curing condition on bonding quality of scarf-repaired laminates was experimentally investigated in terms of surface profiles, moisture absorption curves and section profiles. In order to further explore the moisture absorption mechanism, finite element model of the repaired laminates using DVC was established with moisture diffusion of both the adhesive and composite laminates considered. This model was verified by experimental results. Based on the model of DVC case, the model of SVC case was built by changing moisture absorption parameters of the adhesive. Results show that SVC reduces the bonding quality, mainly reflecting in more adhesive inner voids and patch-to-parent dislocation. And SVC increases moisture absorption rate and moisture equilibrium content of the adhesive, and its effect on the former is far greater than that on the latter.     

考虑星历误差的天文测角/时间延迟量测组合导航方法

基于太阳震荡的时间延迟是一种新型天文导航量测量，可以提供探测器相对反射天体的距离信息，与星光角距量测量结合，可以提高导航性能。然而，星光角距量测模型与时间延迟量测模型均含有火卫一相对火星的位置矢量，火卫一的星历误差将影响导航精度。针对这一问题，提出了一种基于在线估计的天文测角/时间延迟量测组合导航方法，建立了包含火卫一位置及速度的状态模型，利用星光角距及时间延迟量测量同时对火卫一的位置和速度进行在线估计，仿真结果表明，提出的方法可以有效抑制火卫一星历误差对组合导航精度的影响，为探测器提供高精度的自主导航信息。     

A boundary vector cell model of place field repetition

Hippocampal place cells are thought to form the neural substrate of a global cognitive map. However, in multicompartment mazes, these cells exhibit locally repeating representations, undermining the global cognitive map view of place cells. This phenomenon appears to be related to the repetitive layout of these mazes, but still no hypothesis adequately explains it. Here, we use a boundary vector cell (BVC) model of place cell firing to model the activity of place cells in numerous multicompartment environments. The activity of modeled place cells bears a striking resemblance to experimental data, replicating virtually every major experimental result. Our results support the BVC model and indicate that locally repeating place cell firing could result purely from local geometry.     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。