一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息，会导致电磁信息泄漏，从而威胁设备的信息安全。现有的电磁信息泄漏检测方法，在复杂现场环境下，难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题，开展了电磁信息泄漏检测研究，提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络，并结合改进的梯度加权类激活映射方法，在未知电磁信息泄漏特征的前提下，通过深度学习实现电磁信息泄漏特征的智能标定和自动提取，从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验，验证了所提方法的有效性。      

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响，设计了两步卡尔曼滤波（TSKF）算法。首先，介绍了脉冲星方位误差估计的传统模型，并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次，在传统的估计模型中加入了钟差和卫星位置误差，并将钟差和钟差变化率增广为新的状态量，从而推导出包含2种误差的新模型，并证明了该模型的完全可观测性；根据该模型并按照两步卡尔曼滤波原理，得到了TSKF算法的步骤。最后，通过仿真表明:在钟差和卫星位置误差同时影响下，传统脉冲星方位误差估计算法偏差较大且发散；TSKF算法则能够有效隔离2种误差的影响，使赤经和赤纬误差估计达到0.2 mas之内的精度。      

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

弹载变转速定量泵高动态压力控制特性分析

传统弹载电液伺服系统的液压能源采用有刷直流电机驱动恒压变量泵的方式，泵源压力在导弹飞行过程中设定值恒定，但在平飞段过程长、负载小，对能源压力需求低，造成弹上能源总利用率不高的问题，提出无刷直流电机驱动小排量液压泵的压力控制泵源的设计，在低气动负载阶段适当降低系统压力，进而降低节流损失与泄漏量，提高能量利用率。分析了变转速定量泵的流量压力特性曲线，通过建立基于变转速压力控制泵源的位置电液伺服系统数学模型与仿真模型，分析了变转速定量泵压力控制系统在典型工况下的位置跟踪、系统压力变化与能量利用效率，验证了压力控制系统能够在导弹平飞段保证位置伺服系统跟踪正常的前提下，能有效提高系统效率，证明了变转速定量泵压力控制系统的有效性与可行性。     

新型宽带宽波束圆极化卫星导航终端天线的设计与实现

卫星通信与卫星定位系统的应用发展，对终端设备天线的性能提出了更高的应用需求。为实现宽频带宽波束圆极化天线的设计，采用正交移相馈电网络对含有背腔的交叉偶极子天线馈电，实现了宽带圆极化单向辐射特性，同时利用磁电偶极子对交叉偶极子进行加载，展宽了天线的波束宽度，促使天线在50.7%的相对带宽内S11＜-10dB，在1.3~1.75GHz的频带内轴比小于3dB，轴比小于3dB的圆极化波束宽度可达180°，增益不小于6.6dB。经实测验证，所设计的天线具有宽频带宽波束特性，同时具有结构紧凑、性能稳定的优点，适用于卫星通信与导航终端系统。     

小尺寸Schmidt-Boelter热流传感器的研制

为满足常规高超声速风洞试验的热流测量需求，研制了一种小尺寸Schmidt-Boelter热流传感器。建立了传感器仿真模型并基于该模型对其结构尺寸开展了优化设计。根据优化结果，制作了尺寸为Φ 3×10 mm的传感器样件。在弧光灯热流标定系统上进行了性能测试，试验结果表明:该传感器灵敏度系数大于30 μV·m2/kW，响应时间约50 ms。     

加速退化试验测量不确定度评定方法

受测量分散性、仪器误差等因素影响，加速退化试验中存在测量不确定性问题。提出了加速退化试验测量不确定度的传播与评定方法，以提高试验评估结果的准确性和可信性。首先，介绍了加速退化试验中的测量不确定度来源，并结合维纳过程加速退化模型参数估计过程分析了测量不确定度的传播效应；其次，分别利用测量不确定度指南评定法（GUM）和蒙特卡洛法，量化评定了加速退化试验中性能观测数据测量不确定度对正常应力水平下产品可靠性评估结果的影响；最后，采用某型空间用高分子传感器案例对本文所提方法进行验证，并针对2种方法的估计结果进行了对比分析，验证了所提出方法的有效性。     

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。     

高压涡轮变叶顶蜂窝角度二次流动特性研究

为减少叶顶泄漏流带来的气动损失，本文对高压涡轮叶顶复合蜂窝的排布角度进行寻优，并分析其气动性能。研究过程保持叶顶蜂窝几何形状不变，改变复合蜂窝在叶顶的排布角度，降低叶顶二次流的总压损失系数和叶顶相对泄漏比。以叶栅出口下游30%轴向弦长位置的面平均总压损失系数为目标参数，利用Isight软件嵌套图形-网格自动生成流程，对0～57°旋转角度内的蜂窝排布方式进行遍历寻优，得到低总压损失的蜂窝排布方式。研究表明，最优排布结果与平叶顶相比，叶栅总压损失降低5.21%，与基准角度蜂窝相比降低1.34%。最优排布方案对叶顶泄漏流的阻碍效果更明显，增大了蜂窝对气流的耗散能力，降低了跨叶顶的横向驱动力，减少了泄漏涡的损失。     

基于离散伴随的高超声速密切锥乘波体气动优化设计

基于定平面形状的密切锥乘波体设计方法能够显著提高传统乘波体的设计灵活性和整体升阻特性。但是该类乘波体在设计时忽略了三维效应、黏性效应以及头部/前缘的钝化效应，在设计工况下仍会出现溢流，升阻比难以达到最优；另外，这类乘波体仍具有传统乘波体在偏离设计条件下气动特性会出现恶化的不足。因此，有必要在考虑黏性的情况下，针对定平面形状的密切锥乘波体开展全机气动优化设计。结合基于全速域通量求解方法和RANS湍流模型的高精度CFD求解器、鲁棒的结构网格变形方法、自由变形参数化方法、离散伴随方法以及序列二次规划算法，实现了基于离散伴随的高超声速飞行器气动优化设计方法。基于上述方法，针对定平面形状的密切锥乘波体开展了单点和多点的三维整机气动优化设计。在400万多块结构网格、600个设计变量以及303个设计约束条件下，所采用的离散伴随优化方法仅花费2 240CPU小时和3 360CPU小时即完成了三维整机单点和多点的优化设计。结果表明，相较于初始构型，单点优化得到的构型在设计状态下的升阻比提升了近5%；多点优化得到的构型可保证在设计点状态升阻特性没有损失的同时，将非设计点的升阻比提升10%以上，进而在一定程...