基于DDQN的运载火箭姿态控制器参数设计

探索了利用深度强化学习算法训练智能体,以代替人类工程师进行火箭姿态控制器参数的离线设计方案。建立了多特征秒的火箭频域分析模型,选定了设计参数。选择深度强化学习算法中的双深度Q学习(Double Deep Q Network,DDQN)算法,通过记忆回放和时间差分迭代的方式让智能体在与环境交互过程中不断学习。设计了对应的马尔科夫决策过程模型,进行了智能体的训练和前向测试。结果说明该方法对于运载火箭姿控设计具有一定参考价值。     

一种圆柱物料装填机器人残余振动抑制方法

为提高载具内的物料装填效率，提出了一种在载具内受限空间中使用的新型圆柱物料装填机器人，并通过优化关节轨迹，对机器人末端残余振动进行抑制。首先，给出物料装填机器人的总体设计方案和工作流程。然后，结合物料装填机器人的结构特点，应用拉格朗日方法建立封闭形式的刚柔耦合动力学模型，并应用模态分析方法得到机器人末端动态响应计算方法。最后，以物料装填机器人关节残余弹性势能最小为优化目标，使用最大最小蚂蚁系统，对机器人关节轨迹进行优化，并对优化结果进行仿真验证。仿真结果表明，优化后的关节轨迹，在满足快速装填要求的基础上，可以降低约34.4%的关节残余弹性势能和约37.6%的机器人末端振动振幅。      

一种适应箭载电磁环境的无线电能传输系统屏蔽优化方法

对SS型拓扑结构的磁场耦合谐振式无线供电系统进行了建模与分析,利用交流阻抗分析法建模,着重分析自感、互感参数对系统传输功率和传输效率的影响;对应用在箭上的无线电能传输系统,考虑其电磁兼容性,分别使用铁磁性金属与非铁磁性金属对谐振器进行屏蔽,分析其对传输性能的影响;针对特定条件下的参数,提出了基于互感耦合参数的性能优化指标,为达到此指标设计相应的电磁屏蔽方案;并分析屏蔽优化后的其他指标,进行实物实验验证。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。      

面向空间天线的TWF复合材料性能研究

利用碳纤维三向编织物（triaxial woven fabric，TWF）作为增强材料，与柔性基体材料硅橡胶复合，制成兼具一定柔性和刚性的复合材料壳膜结构，用于卫星天线反射器，是一种新型的高精度可展开天线实现方案。采用复合材料细观方法，对碳纤维增强硅橡胶TWF复合材料进行了力学性能的研究。首先由纤维和基体的材料特性得到均质纤维束的材料特性；接下来考虑纤维束交织情况（起伏波动）建立由纤维束组成的单胞实体有限元模型；然后对单胞实体有限元模型进行均匀化分析，施加周期性边界条件，最终得到等效的均质材料特性；为满足天线反射器高性能需求，分析了碳纤维种类、纤维体积分数对单胞等效性能的影响规律。对该材料力学性能的研究，可以为其未来应用于大型高精度可展开天线反射器提供一定的理论依据。     

基于130nm 工艺嵌入式SRAM 单粒子软错误加固技术研究

在空间环境中,嵌入式SRAM 易受高能粒子的作用发生单粒子软错误,针对这一现象,文章研究了深亚微米工艺下嵌入式SRAM 的单粒子软错误加固技术,提出了版图级、电路级与系统级加固技术相结合的SRAM 加固方法以实现减小硬件开销、提高抗单粒子软错误的能力。并基于该方法设计了电路级与TMR(三模冗余)系统级加固相结合、电路级与EDAC(纠检错码)系统级加固相结合和只做电路级加固的3 种测试芯片。在兰州近物所使用Kr 粒子对所设计的测试芯片进行单粒子软错误实验,实验结果表明,系统级加固的SRAM 抗单粒子软错误能力与写入频率有关,其中当SRAM 的写入频率小于0. 1s 时,较只做电路级加固的芯片,系统级和电路级加固相结合的SRAM 可实现翻转bit 数降低2 个数量级,从而大大优化了SRAM 抗单粒子软错误的性能。并根据实验数据量化了加固措施、写频率和SRAM 单粒子翻转截面之间的关系,以指导在抗辐照ASIC(专用集成电路)设计中同时兼顾资源开销和可靠性的SRAM 加固方案的选择。