航天嵌入式软件数组越界缺陷特征研究

根据统计,数组越界是航天嵌入式软件开发过程中出现最多且最容易被遗漏的缺陷类型之一.目前自动化检测数组越界多基于抽象解释、符号执行、程序模型检验等方法,这些方法在误报、漏报、可扩展性等方面的表现依赖于软件及缺陷特征.分析了近三年航天嵌入式软件第三方测试中发现的94个数组越界问题,从缺陷模式和缺陷表现形式两方面分析得出10项航天嵌入式软件数组越界缺陷特征,并提出对设计具体检测方法关键的若干启示.进一步基于这些特征和启示探讨了数组越界检测算法针对中断驱动型程序的改进方向.     

星载激光通信终端在轨机动对温度影响

对激光通信终端在轨瞬态温度变化开展了仿真，以期研究在轨机动的影响、热分析和热试验时机动模式的简化模拟。通过合理地分析与简化，建立终端的轨道热分析模型，准确模拟在轨机动，根据典型机动模式、外热流和涂层退化等因素设计了计算工况，得出了终端在轨运行过程中的温度场随时间和姿态变化规律。结果表明：不同机动模式下的温度变化存在差异，最大可达23.0℃，采用固定姿态或一维转动的简化热分析或热试验不能准确模拟实际飞行温度，甚至不能部分替代二维转动热分析或热试验；光学天线和反射镜的温度控制是制约终端工作的瓶颈，为终端设计合适的避光机动策略，可大幅度提高温度稳定度和均匀度。研究结果可以为光机电设备在轨机动策略的设计和改进提供参考。     

酚醛树脂热解产物高温燃烧详细化学反应机理简化

针对流动/酚醛树脂热解产物燃烧耦合数值模拟过程中使用详细化学反应机理带来的数值刚性问题,以保证计算精度要求,对酚醛树脂热解产物详细化学反应动力学模型进行简化研究。选取Chemkin-Pro中的良搅拌反应模型,对由53种组分325个基元反应组成的甲烷掺氢气详细化学反应动力学机理进行了敏感性分析和生产速率分析,得到包含15种组分15个基元反应的简化机理。结果表明:简化化学动力学模型能充分地再现详细基元反应模型的反应机理的主要特征,大幅缩短计算时间,进而用于高超声速条件下酚醛树脂热解产物引射及其对边界层扰动的计算流体动力学(Computational fluid dynamics,CFD)中。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

翼尖铰接复合飞行器动力学特性研究

航空飞行器通过翼尖铰接机构复合飞行时的气动耦合效应，会造成飞机产生不同于其单独飞行时的动力学特性，出现复合飞行安全问题。为研究翼尖铰接复合飞行器的动力学特性，使用Newton-Euler方法和Robberson-Wittenburg方法建立了双机组成的翼尖铰接复合飞行器多刚体系统整体和内部的7自由度非线性动力学和运动学方程组。在气动准定常假设下建立双机复合系统非耦合气动力表达式，基于CFD方法开展复合飞行器系统的三维实体建模和非结构网格划分工作，获取复合飞行器系统的气动力数据。搭建动力学仿真平台，开展准配平方案和全配平方案下的动力学仿真。仿真结果表明:准配平方案下飞行器无法持续稳定飞行，而全配平方案下复合飞行器系统各运动参数在仿真时间内始终趋于稳定。在全配平方案下，使用小扰动假设的非解耦线性化方法重新整理7自由度动力学方程组，研究复合飞行器系统运动模态的特征值中出现的2个发散新模态，根据对应的特征向量发现2个发散模态分别由相对滚转角度和角速度主导，同时也比较分析了其他运动模态相比单机飞行时的特性变化规律。      

高超声速伸缩式变形飞行器再入制导方法

针对高超声速变形飞行器再入制导问题，提出了一种采用伸缩式机翼的高超声速变形飞行器外形方案，建立了含有展长变形量的气动模型和动力学模型。将该变形飞行器的展长变形量扩展为控制变量，分析了倾侧角、展长变形量和终端航程、高度之间的关系。在此基础上，利用倾侧角和展长变形量在线预测剩余航程和终端高度，通过数值方法校正2个控制量以满足航程约束和高度约束，通过航向角走廊确定倾侧角符号。仿真结果表明:该变形飞行器再入制导方法制导精度高，相比于传统固定外形飞行器终端约束能力更强、轨迹更加平滑，且在扰动条件下具有一定鲁棒性。      

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.