气室无磁加热结构研究进展与展望

碱金属气室是原子陀螺、原子磁强计和原子钟等原子测量仪器的核心部件.原子密度主要受加热温度的影响,高均匀性、高稳定性的气室加热结构是保证碱金属原子密度稳定的关键技术,对提升原子测量仪器输出信号的灵敏度至关重要.回顾了目前常用的碱金属气室加热方法,针对加热层、传热层、保温层等组件,梳理和总结了碱金属气室加热结构的发展方向和发展历程,并在此基础上展望了未来碱金属气室加热结构的发展趋势.     

内装式空射运载火箭重力出舱机箭耦合动力学分析

研究了以运输机为平台的内装式运载火箭空射过程载机和火箭的耦合动力学建模。建模针对两个阶段：第一阶段，火箭固定于载机机舱内，两者构成一个整体，按照普通刚体的力学方法处理；第二阶段，火箭解锁后，沿着舱内的发射筒向外滑行，载机和火箭形成两刚体相互作用的耦合系统，基于牛顿-欧拉法建立系统动力学模型。载机在空射火箭过程中，油门和升降舵满偏，在加速前飞的同时拉大姿态俯仰角，火箭在自身重力分量和惯性力的作用下，沿着机舱内的发射筒加速向外滑行，直至与载机分离。数值仿真分析了空射过程载机的重要力学参数的变化过程，验证了载机操控策略的可行性和安全性，可为未来中国空射运载火箭技术设计提供数据参考。     

钛合金表面抗激光涂层损伤特性及热效应影响研究

实验研究了钛合金和高反射型陶瓷涂层材料抗连续型激光烧蚀的损伤及温度分布特性，并从热效应影响角度对比分析了二者在抗激光损伤效果方面的差异性。研究结果表明：相比于钛合金，高反射型陶瓷涂层材料能有效增强钛合金基底抗激光损伤的能力；在同等激光功率密度辐照下，陶瓷涂层材料能有效提升钛合金基底耐受激光辐照的时间长度。实验结果表明该陶瓷涂层材料的激光损伤阈值比钛合金高约5.8倍。实验发现陶瓷涂层温升速率高于钛合金，但由于陶瓷材料具有较高的反射特性，以及良好的热吸收和热传导特性，因此能使由激光辐照产生的热量在其表面较快地扩散，而降低向基底方向传导的程度，最终提升陶瓷涂层的抗激光损伤阈值。     

基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

导航卫星中断频次的分析方法

面向导航卫星中断频次的定量分析需求,该文分析导航卫星中断产生的主要原因,给出中断频次分析的流程,并针对分析过程中的三个关键问题,研究提出具体实施方法,包括通过相关性分析快速定位底层中断事件,通过中断树建立指标分析模型,并融合在轨数据、地面试验数据快速预估得到底层功能异常率等。最后通过示例进一步说明中断频次分析过程。该文方法已应用于北斗导航卫星工程。     

抗辐照通用扩展SiP芯片设计

研究微小卫星综合电子系统的SiP技术实现方法。首先介绍微小卫星综合电子系统结构的组成和采用SiP技术的必要性，然后对综合电子系统进行功能模块划分，并对其通用扩展模块进行详细的SiP设计，包括抗辐照器件选型、原型验证、SiP原理图、基板管壳一体化设计、建模仿真、制造加工、实装测试验证等，通过SiP技术实现了一种星载综合电子系统中通用扩展SiP芯片产品，经过实际验证测试，在保证模块功能和性能的前提下，整体模块重量从230 g减轻到48 g，体积由180 mm?130 mm?17 mm减小到46 mm?46 mm?8 mm，很好地满足了星载功能模块小型化、轻量化设计需求。     

热防护材料高温异型传感器校准技术研究

高温异型传感器广泛应用在热防护材料研究领域，因其测温部分比通用温度传感器尺寸短，现有的校准装置无法满足该类传感器的校准需求。针对高温异型传感器无法校准的问题，提出了一种应用专用高温恒温炉、基于比较法的校准方法，研制了高温异型传感器校准装置，实现了该类温度传感器的量值溯源，并进行了不确定度分析。     

导流锥结构参数对燃气弹射筒内压力冲击平滑效果影响研究

针对导流锥结构参数对内弹道流场耦合影响问题，基于动态分层动网格技术，构建了含导弹运动和二次燃烧的内弹道数值模型，并验证了模型可靠性。解耦分析了导流锥半径、高度及冲击高度对内弹道流场特性和载荷的影响。结果表明：导流锥的结构直接决定燃气飞溅现象的产生和流场结构的紊乱程度，导流锥的半径、高度和冲击高度的改变会对燃气反射点的位置、二次燃烧的区域以及剧烈程度产生影响;结构优化后的导流锥，较大程度地缓解了冲击现象，获得了较好的平滑效果，筒底压力较实验装置降低了24.5%。     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。