石英玻璃的等离子体抛光技术研究现状

具有耐腐蚀、热膨胀系数低等诸多优良物理化学特性的石英玻璃在高性能光学系统中被广泛使用。要求元件达到纳米级别的表面粗糙度，而且没有损伤层和残余应力，因此精加工之后的超精密抛光工序尤为重要。本文介绍了气囊、磁流变、弹性发射、离子束等几种石英玻璃的精密抛光方法，侧重阐述了国内外等离子体的抛光技术，包括等离子体辅助化学刻蚀、等离子体喷射加工、等离子化学蒸发加工研究进展及取得的成果；且对等离子体的未来发展进行概述。     

碳纳米管阵列推力器放电特性的数值模拟研究

基于直接蒙特卡洛(DSMC)算法、浸入式有限元算法(IFE)、粒子云及蒙特卡洛碰撞(PIC-MCC)算法以及Ammosov-Delone-Krainov(ADK)隧穿电离模型建立了碳纳米管阵列推力器工质气体和CNT场电离过程的三维仿真模型。利用文献中的实验数据对本文仿真模型的有效性进行了验证,结果表明本文仿真模型与实验结果基本一致。针对碳纳米管阵列推力器的放电特性进行了研究,并重点分析了离子与原子碰撞过程对碳纳米管阵列推力器放电特性的影响。结果表明CNT可以极大地增强局部电场,稳态时场增强因子约为1308;与原子的碰撞使得离子在CNT附近更加集中,降低了局部电场,进而降低了其场增强能力。     

详细化学反应机理对预混丙烷钝体熄火模拟影响

航空发动机熄火预测是重要关键问题之一，湍流和化学反应的非线性相互作用使预测非常困难。本文采用大涡模拟（LES）对湍流进行高精度模拟，采用概率密度函数输运方程湍流燃烧模型（TPDF）耦合JL4、Z66和H73三种化学反应机理，对预混丙烷钝体熄火现象和规律进行研究。JL4的反应机理最简单，反应释热快，局部放热高，火焰宽度大，火焰两侧温度梯度大，燃烧更加趋于稳定，无法模拟出熄火状态。H73机理绝热火焰温度低，火焰温度低，回流区中部OH含量高；在近熄火状态，大量CO被氧化，释放热量过高导致无法模拟出熄火现象。Z66机理可以模拟出火焰正常状态，在低当量比下也可以模拟出熄火状态。本文算例中，局部Da数大于1的区域超过35%则会发生熄火。     

航天器运输包装箱仿真验证平台技术研究

针对数量有限的物理跑车试验无法满足减振与保温性能测试需求的问题，提出一套航天器运输包装箱动力学与热学仿真验证方法，包括：建立适用于包装箱系统的刚柔耦合多体动力学系统，通过结合线路条件测试生成的动力学系统外部激励，实现减振性能虚拟跑车测试；建立基于计算流体力学的包装箱热学模型，通过模拟自然对流和空调控制，实现包装箱保温性能虚拟跑车测试；基于C/S架构和导航式流程设计思想，建立航天器运输包装箱仿真验证平台，通过实际案例证明该平台仿真结果与实际跑车测试数据具有较高的一致性。     

基于激光扫描技术的大型船舶舱容量计量技术研究

介绍了一种应用三维激光扫描技术，采集获取船舱三维点云数据，对点云数据进行配准、修补，完成船舱内部构件精细建模，快速高精度的重建大型船舱三维模型，实现大型船舱容量快速计算的方法。运用三维激光扫描技术完成158000吨大型油轮液货舱容量计量，通过与传统容量计量方法进行比对分析，解决了单点数据采集模式弊端，达到了大型船舶舱容量快速、精准计量效果。     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状，提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱，并通过主成分分析方法增强了信号的特征；参考迭代自组织数据分析的“分裂”和“合并”的思想，为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为；采用模糊C均值方法定义了隶属度矩阵和目标函数，并利用改进的人工鱼群算法，迭代搜寻了目标函数的全局最优解，得到了各故障模式的聚类中心；通过计算测试数据的最近邻聚类中心，实现了故障模式识别。结果表明，该方法无需指定聚类簇数，能在标记数据量小的情况下完成训练，较同类方法表现出了更优的故障模式识别性能。     

低轨天基信息定向分发区域分割编码控制方法

为提高低轨指向性信息分发链路的频谱利用效率，从天基分发平台与地面用户的相对位置关系入手，建立了分发指向、编码增益与信道传输容量的量化关系。在此基础上，提出一种低轨天基信息定向分发区域分割编码控制方法，该方法针对不同信息分发区域，采用最小均方误差(MMSE)作为区域分割准则选择编码方式，既提升了信道传输效率也便于工程实现。最后，本文通过仿真分析了方法的效能和性能影响因素，并与现有自适应编码方法进行了对比，验证了本方法的有效性和可靠性。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。