热防护系统损伤容限分析

建立了含初始矩形损伤的热防护系统(Thermal protection system,TPS)气动热分析的CFD数值模型,分析结果表明损伤区域侧壁出现了很高的热流密度峰值,并且迎风面侧壁峰值高于背风面,而损伤区域底部热流密度却很低。利用分析获得的热流密度建立了含损伤和无损伤TPS的有限元传热分析模型。分析结果表明:损伤的存在导致防热瓦最高温度急剧上升,超过其材料能承受的极限温度(1 500℃),防热瓦首先失效,而损伤对机体最高温度影响较小。最后进行了TPS损伤容限分析,在防热瓦极限温度约束下,外部热流密度最大值从100kW/m2增加到140kW/m2,矩形损伤宽度最大容许值从22.7mm减小到12.6mm,而弧形损伤宽度最大容许值从34.6mm减小到25.1mm,即随着外部热流密度最大值增加,损伤宽度的最大容许值降低,并且相同外部热流密度水平下弧形损伤宽度的最大容许值大于矩形损伤。     

基于深度学习的空间站舱内服务机器人视觉跟踪

为提升舱内跟随服务机器人的任务辅助能力,解决机器人对航天员的视觉跟踪问题,提出了一种基于深度学习和概率模型的人体视觉跟踪算法。利用深度卷积神经网络实现了对穿着多样、姿态任意人体的稳定检测。结合人体检测结果,设计了运动预测概率模型,实现了对指定人员准确、连续的跟踪。算法对包含大多数航天员活动的多个数据集进行了验证。实验结果表明:提出的跟踪算法实现了对穿着多样、姿态任意人体的稳定跟踪,并有效避免了由于穿着相似、遮挡可能造成的误跟踪问题。该算法为空间站舱内跟随服务机器人对航天员的视觉跟踪提供了有效的解决方法。算法基于融合的RGB-D图像,工程上易于构建和实现,也可拓展到其他跟随服务机器人视觉跟踪任务中。     

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。     

基于TLE的弹道系数计算方法及应用分析

针对仅使用两行要素（Two Line Element，TLE）作为数据源的应用需求，研究了基于TLE轨道衰减的弹道系数计算方法。介绍了一种常用的基于两组TLE的直接计算法，分析TLE选取间隔对结果精度的影响；提出了一种基于多组TLE的迭代计算方法，以降低异常TLE对计算结果的影响；从弹道系数计算效果、在再入预报中的应用等方面对这两种方法进行比较分析。结果表明，两种方法各有优劣，基于多组TLE的迭代计算法稳定性更高、受TLE精度的影响更小；由于数据区间更短，基于两组TLE的计算结果对短期轨道衰减特性反应得更准确，用于临近再入时的预报效果更好。     

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。     

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.     

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.