基于集员估计的卫星飞轮故障检测与预测方法

为了对卫星飞轮故障进行提前预警，提出了一种基于集员估计的故障检测和预测方法。首先，基于飞轮的动态模型设计了一种基于中心对称多面体的故障检测方法。在检测出飞轮故障后，选取飞轮的电流数据作为故障特征，并采用线性模型或非线性模型来描述其退化规律。然后，提出了一种基于中心对称多面体的集员算法，对退化模型中的未知参数进行估计，并以此为基础预测未来时刻的故障，进而实现对飞轮故障的提前预警。最后，通过数值仿真，将所提出的方法和两种现有的故障预测技术进行了对比。仿真结果表明了所提方法的有效性和优越性。     

Al/HMX复合含能材料的制备及其燃烧特征参数研究

奥克托今(HMX)包覆铝粉(Al)能够有效降低Al的团聚烧结现象并改善其能量释放效率。采用物理混合法、溶剂-反溶剂法和溶剂蒸发诱导自组装法分别制备了三种不同结构的Al/HMX-1、Al/HMX-2和Al/HMX-3复合含能材料。相较于Al/HMX-1和Al/HMX-2,Al/HMX-3复合材料为球形包覆结构，D₅₀为6.651μm,各组分均匀分布。Al/HMX-3复合材料具备最优的热分解性能，其HMX的分解峰温降低到264.3℃,比Al/HMX-1和Al/HMX-2分别降低了～20.0℃和～19.2℃。燃烧性能分析表明，Al/HMX-3复合样品的燃烧更剧烈，团聚烧结现象降低，具有最高的燃烧热和燃烧温度。通过HMX均匀的包覆，HMX分解及时为Al燃烧提供氧化性气体“牢笼”促进Al氧化，并减少Al颗粒之间的相互碰撞导致的团聚。因此，燃烧性能和能量释放效率得到大幅度提升。     

自动和半自动探针台的载片台水平位移测量方法研究

为解决自动和半自动探针台的载片台水平方向位移发生偏差时,导致探针压点位置不准,从而使测试结果不可靠,甚至伤及芯片和探针的问题。根据实际工艺和溯源机构的标准器具特性,设计了标准尺的图形,在苏打玻璃上电镀5μm宽的金线条,制作成152.4mm×20mm的长方形标准尺,其测量范围为(0~150)mm。对标准尺进行了定标,定标不确定度为1.0μm。在测量范围内,进行了试验分析,评定了测量不确定度。结果表明:标准尺测量的水平位移偏差小于4μm,满足测试需求。     

基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。