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CFD高精度算法的雷电电磁场研究

雷电空间电磁场一直是电磁领域研究的热门，成熟的算法例如有限时域差分法（FDTD），传输线矩阵法（TLM）以及频域的矩量法（MoM）在计算雷电问题方面都有广泛的应用。由于计算流体力学（CFD）中的Euler方程与电磁学中的Maxwell方程有着相同的守恒形式，而且采用间断伽辽金方法（DG）已经在流场问题上得到广泛的尝试，因此引入了基于计算流体力学的DG方法来离散时域Maxwell方程，并采用网格分区并行技术加速计算，使用基于DG的圆球雷达散射截面积（RCS）算例进行测试，数值结果一致表明DG算法在求解电磁场问题上的可行性，之后通过计算一段近场雷电通道的电场分布并与解析解、某算法仿真解对比，数据基本吻合，说明该方法适合于雷电电磁场的计算。     

复合材料尾减管加载变形仿真分析与试验验证

复合材料尾减管发挥着支撑直升机尾减速器和尾桨的重要作用。由于受尾桨的推力作用尾减管在使用过程中会沿推力方向产生变形,若变形过大会影响尾桨的正常运行进而对直升机安全产生威胁。为掌握复合材料尾减管在限制载荷作用下的变形情况并评估仿真分析的准确程度,对尾减管变形状况进行了有限元仿真和试验验证,仿真与试验的边界条件设置均模拟产品的真实装机状态。研究表明,复合材料尾减管变形位移的试验结果最大值为9.22mm,仿真结果比试验结果的最小值相比高出0.69mm,仿真与试验结果的偏差较小,吻合程度较高。     

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。     

空间载荷机柜热控设计的仿真研究

空间站主动热控系统的作用是提供和保持航天员、仪器设备和结构部件所要求的温度、湿度和风速等热环境。本文以空间载荷机柜为热控系统的基本单元，建立了以单相流体循环回路为基础、采用液冷结合风冷的冷却方式的载荷机柜数学模型；介绍了模糊增量控制算法的工作原理；提出了采用模糊增量控制算法，以液冷支路进出口温差和风冷支路冷却量占总冷却量的比值为控制目标的反馈控制策略。同时文章采用数值模拟方法研究了控制系统的动态响应效果。仿真结果显示，模糊增量控制算法具有响应迅速、超调量小、无静态误差的特点，控制策略满足有效性、稳定性和高精确度的要求。     

倾角回转误差算法问题分析及改进

对倾角回转误差的算法和公式进行了积极探讨,对GJB1801-1993中倾角回转误差算法进行改进尝试并通过对测试方法进行理论分析和一组典型数据的计算结果对此予以进行证明。在此基础上对倾角回转误差算法进行了修正,增加约束条件:消除的一阶谐波分量必须幅值相同,相位相差90°,从而得到修正公式。再从基本误差定义出发,重新对倾角回转误差进行推导,得到了相同的结果。     

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.