军航无人机与民航航班侧向碰撞风险评估

近年来无人机(UAV)已经成为新型作战力量。为解决军航UAV与民航航班之间的飞行冲突，确保飞行安全，对经典EVENT模型进行改进，提出适用于UAV的碰撞风险模型。着重研究了导航方式、人为因素、高空风对于UAV飞行的影响，并构建了相应的位置偏差模型。首先，利用蒙特卡罗法求解军航UAV与民航航班之间侧向间隔丢失的频率；其次，利用MATLAB进行算例仿真，验证模型的有效性，并得出了侧向碰撞概率随参数变化的关系；最后，通过计算不同安全间隔下的碰撞风险，对空域使用提出建议。      

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。     

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.     

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。     

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。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架，它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先，本文介绍了联邦学习的基本概念和威胁模型，有助于理解其面临的攻击。其次，本文总结了由内部恶意实体发起的3种攻击类型，同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较，进一步讨论了该领域未来的发展方向。     

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。