一种傅里叶域海量数据高速谱聚类方法

谱聚类方法广泛应用于数据挖掘和模式识别等领域,但大规模数据上高计算代价的特征向量求解及大数据带来的巨大内存需求,使得其应用于大规模数据时受到了极大的限制。为此,研究了基于傅里叶域的海量数据高速谱聚类方法。利用数据模式的重复性特点在傅里叶域建模,将耗时的特征向量计算转化为对预先确定的傅里叶域判别基进行选择来确定最终的特征向量,计算过程只需进行简单的乘法和加法运算,计算量得到极大的约减; 分批次训练样本,使用部分样本即可估计出整体数据的特征向量分布,确定最终的特征向量,压缩了计算时间和内存需求。在Ijcnn1、RCV1、Covtype-mult、Poker及MNIST-8M等大规模数据上的实验结果表明,所提方法在聚类精度等各项指标基本保持的前提下,训练时间相比FastESC、LSSHC、SC_RB、SSEIGS及USPEC等方法最高快了810.58倍,证明了所提方法在处理大规模聚类数据方面具有显著优势。      

面向立方星变轨任务的机动控制策略

为了实现立方星在轨飞行与变轨,基于模块化推进器系统提出混合控制策略实现微小卫星轨道持续变化任务需求。首先,针对多单元立方星单一主推进器的结构部署,基于高斯变分方程采用连续低推进力实现轨道机动变化。为了实现对立方星主推进器的指向调整,基于姿态动力学模型利用PD连续姿态控制求得所需扭矩,实现对立方星的指向角和指向角速度调节。针对配置的微脉冲等离子推进器(μ-PPT)不连续的特点,通过搜寻μ PPT最优脉冲序列组合获得实际扭矩,满足对外部干扰的持续补偿以及立方星的姿态稳定和指向调整操作需求。此外,引入姿态误差敏感度阈值,使姿态控制器在能够提高系统鲁棒性的同时减少μ-PPT消耗。最后,通过对3U立方星在轨飞行与变轨的具体案例分析,表明所提出的基于微推进器系统的混合控制策略能够实现立方星轨道机动变化需求。     

新型高速单粒子翻转自恢复锁存器设计

航天器中芯片工作时钟频率的不断提高使得单粒子翻转(single-event-upset,SEU)效应对时序逻辑的影响更加显著。目前已经提出的辐射加固锁存器存在面积和延时较大、功耗较高且抗单粒子翻转能力有限的问题。针对这些问题,提出了一款基于130nm部分耗尽绝缘体上硅(partially-depleted silicon on insulator,PD SOI)工艺的高速单粒子辐射自恢复锁存器。在对电路设计进行介绍的基础上,与其他已经报道的电路进行了对比,并利用节点翻转分析和仿真波形验证了该锁存器具有抗单粒子翻转自恢复的功能。对比结果表明,与其他的抗单粒子翻转自恢复锁存器相比,在牺牲部分功耗的代价下,大幅减小了锁存器的面积和延时。本方案所提出的辐射加固锁存器的综合开销指标APDP较其他辐射加固锁存器平均节省了71.14%,适用于辐射环境下的对速度和可靠性有较高要求的电路,为国产宇航高可靠自研芯片提供了选择。     

蜂群无人机自组网多优先级自适应退避算法

针对现有媒质接入控制（MAC）协议退避算法无法为蜂群无人机自组网（FANETs）提供区分服务,且在重负载时性能严重恶化等问题,提出一种多优先级自适应退避算法。采用忙闲因子自适应机制和最优竞争窗自适应机制,根据信道忙闲程度和网络状态参数自适应实时更新各优先级竞争窗口（CW）长度,从而使每次退避的竞争窗口可快速收敛到最佳状态,并实现了多业务区分服务,得到了最优的系统性能。通过建立不同优先级退避过程的三维Markov链模型求解得到了饱和吞吐量下的最优竞争窗自适应因子,并且理论推导了系统吞吐量和平均MAC时延的数学表达式。仿真结果表明,所提算法在重负载时能够实现多优先级区分服务并有效提高系统的吞吐量性能,相比区分业务优先级的自适应退避（PAB）算法和支持QoS的自适应竞争窗口退避算法（Q-ABACW）,性能均有较大提升。      

多孔聚酰亚胺含油轴承保持架的磨损机理研究

在实际运转过程中,空间含油轴承保持架在兜孔、引导面上均表现出不同程度的磨损发黑现象,认清其磨损机理对于指导含油材料设计、提升空间轴承性能至关重要.采用冷压热烧结的方法制备了多孔聚酰亚胺(PPI)材料,通过打磨处理改变PPI表面形态,继而研究了表面形态对其摩擦磨损及摩擦界面输供油性能的影响,并在此基础上提出了含油材料的磨损模型.结果表明,PPI材料的磨损发黑源于孔隙边缘的微区承载,在高压载荷作用下孔隙边缘会发生剪切变形、断裂,产生的摩擦热会诱发聚酰亚胺材料或润滑油的分解和碳化.含油保持架的磨损会对轴承持续运转产生影响,孔隙边缘发生的剪切变形以及产生的磨屑会封堵保持架表面孔隙,破坏摩擦界面输供油路径,导致摩擦系数的波动和磨损的持续变大,对轴承的运转稳定性和摩擦噪音产生潜在的负面影响.     

电学可视化自动校准装置

介绍了电学可视化自动校准装置的原理及设计,此装置用于无程控接口的手持式数字多用表和模拟指针表的自动化计量校准。通过工业摄像机采集测试数据,并采用labview编制软件控制装置、处理数据,最终实现此类仪表的自动化计量校准。校准结果表明该校准装置能够满足此类仪表的校准要求。     

不同驱动电压波形对电润湿液体透镜驱动效率的影响

研制了测试电润湿液体透镜在驱动电压作用下变焦过程的装置,详细分析了测试机理,用该装置实验研究了交流电压、交直流混合电压及直流电压三种不同波形驱动电润湿液体透镜的变焦过程,结果表明交流电压的驱动效率最高,交直流混合电压驱动效率次之,直流电压驱动效率最低;并对这一结果作出了合理的解释。     

图像压缩系统设计

对基于FPGA+DSP架构的图像压缩系统进行了介绍,描述了其系统结构、原理及实现。根据实际需求,采用FPGA+DSP的系统架构设计了一种高性能的图像实时压缩装置,并对系统硬件电路、软件、结构等方面进行了优化设计,实现了飞行试验环境条件下多路视频的采集、压缩、传输、按时序切换等功能,具有处理延时小、功耗低、环境适应性好等特点,并通过了高低温、振动冲击、电磁兼容等多项环境试验考核,具有较高的应用价值。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。