环境规制对技术创新的影响研究

本文选取了我国2005—2017年30个省份的面板数据,运用Sys-GMM估计法测度了环境规制强度及其异质性对技术创新的影响效应。结果表明:环境规制强度对技术创新有着先促进后抑制的作用;异质性方面,命令控制型、市场激励型、公众参与型环境规制对技术创新的影响也都具有先促进后抑制的作用,公众参与型规制对技术创新的促进作用最明显,市场激励型次之,命令控制型最弱。此外,本文通过构建门槛模型,研究发现环境规制对技术创新的影响具有门槛效应。     

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。     

Semi-supervised gear fault diagnosis using raw vibration signal based on deep learning

In aerospace industry, gears are the most common parts of a mechanical transmission system. Gear pitting faults could cause the transmission system to crash and give rise to safety disaster. It is always a challenging problem to diagnose the gear pitting condition directly through the raw signal of vibration. In this paper, a novel method named augmented deep sparse autoencoder (ADSAE) is proposed. The method can be used to diagnose the gear pitting fault with relatively few raw vibration signal data. This method is mainly based on the theory of pitting fault diagnosis and creatively combines with both data augmentation ideology and the deep sparse autoencoder algorithm for the fault diagnosis of gear wear. The effectiveness of the proposed method is validated by experiments of six types of gear pitting conditions. The results show that the ADSAE method can effectively increase the network generalization ability and robustness with very high accuracy. This method can effectively diagnose different gear pitting conditions and show the obvious trend according to the severity of gear wear faults. The results obtained by the ADSAE method proposed in this paper are compared with those obtained by other common deep learning methods. This paper provides an important insight into the field of gear fault diagnosis based on deep learning and has a potential practical application value.     

Development and performance evaluation of tropospheric scintillation model on Ku-band satellite link over Akure,Nigeria

Existing amplitude scintillation prediction models often perform less satisfactorily when deployed outside the regions where they were formulated. This necessitates the need to evaluate the performance of scintillation models developed in one region using data data from other regions while documenting their relative errors. Due to its variation with elevation angle, frequency, other link parameters and meteorological factors, we employed three years (January 2016 to December 2018) of concurrently measured satellite radio beacons and tropospheric weather parameters to develop a location-based amplitude scintillation prediction model over the Earth-space path of Akure (7.17^oN, 5.18^oE), South-western Nigeria. The satellite beacon measurement used Tektronix Y400 NetTek Analyzer at 1 s integration time while meteorological parameters, namely; temperature, pressure and relative humidity were measured using Davis Vantage Vue weather station at 1 min integration time. Comparative study of the model’s performance with nine (9) existing scintillation prediction models indicates that the best and worst performing models, in terms of root mean square error (RMSE), are the Statistical Temperature and Refractivity (STN) and direct physical and statistical prediction (DPSP) models with values 11.48 and 51.03 respectively. Also, worst month analysis indicates that April, with respective enhancement and fade values of 0.88 and 0.90 dB for 0.01% exceedance, is the overall worst calendar month for amplitude scintillation.     

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。     

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.      

弱引力下小行星动量驱动机器人的可控跳跃行为

以小行星表面着陆探测为背景,提出一种动量驱动机器人(MoRo)以满足弱引力复杂环境下的探测需求。该机器人利用弱引力环境下的摩擦和碰撞特性,通过主动辨识环境参数,规划和控制动量轮以产生期望的驱动力矩,完成可控性跳跃及腾空后的稳定拍照等任务。首先,基于MoRo的动量轮刹车机构特性,分析了MoRo在弱引力环境下的跳跃机理并对其跳跃方式进行了规划;接着考虑动量轮驱动机构三闭环伺服系统的非线性特性,基于Herze碰撞模型和Karnopp摩擦模型建立了MoRo在小行星表面的跳跃行为动力学模型;其次,使用机器学习算法建立环境参数和MoRo运动的函数关系,并基于环境参数规划动量轮转速实现跳跃距离和腾空高度的可控。最后,通过数值仿真校验了MoRo跳跃规划方法和控制方法的可行性。     

反推力装置运动学与动力学仿真

为了研究叶栅式反推力装置各部件在工作过程中的运动学与动力学特性,根据机构运动原理对反推力装置进行简化并建立了运动学与动力学数学模型。以滑动整流罩位移与阻流门所受气动负荷为输入进行运动学与动力学仿真,得到了反推力装置各部件的位移、速度及受力特性曲线,并对比分析了在不同尺寸参数下各部件特征点的运动轨迹和反推力装置负载力变化。结果表明:运动学及动力学仿真结果与工程实际相符；反推力装置机构参数选择不合理时,各设计点会发生干涉现象并导致机构无法运动;机构参数变化对负载力最大值影响尤为突出,在阻流门AC段长度值增大6%,阻流门CB段长度值减小9%的情况下,负载力正向最大值将增大19.53%,负向最大值增大12.67%。研究方法及研究结果可为反推力装置运动学及动力学分析,以及为反推力装置机构优化设计提供参考。      

一种基于虚拟页地址映射的NAND Flash管理算法

本文提出了一种基于虚拟页地址映射的NAND Flash管理算法.该算法通过定义坏块表、对应表等结构，以及设计的坏块替换策略和虚拟页地址到实际物理页地址的转换算法，实现上层软件采用虚拟地址对NAND Flash的无坏块连续页地址访问.该算法是一种高效的地址映射算法，能高效地对数据进行索引，占用SRAM空间较少，使系统达到高性能，并使得闪存使用的更加稳定持久.