商用航空发动机三化设计研究

结合商用航空发动机研制实践，分析型号研制过程中开展“三化”设计的原则，提出具体措施，并总结“三化”工作的保障条件，为发动机“三化”工作提供鉴定意义。     

高稳频微弱激光量子源测量标定技术研究

激光雷达探测系统需求稳定的单光子源作为定标光源,通过输出波长及功率可量化溯源的微弱光量子信号,对探测系统的探测不确定度进行分析,并对接收与探测系统性能进行评估。针对这一需求设计并研制一种输出激光波长稳定、输出平均光子数从10^(11) s^(-1)量级至10~3 s^(-1)量级的可调谐高稳频微弱激光量子源,并开展了相关测量标定工作。输出的微弱信号光波长稳定在532.269 nm处,功率覆盖79.3 nW至0.34 fW,平均光子数覆盖10^(11) s^(-1)量级至10~3 s^(-1)量级,在10~5 s^(-1)量级的稳定度优于0.6%,能够满足激光雷达系统探测不确定度分析与性能评估等方面的应用需求。     

低轨卫星导航系统技术发展研究

基于GNSS服务能力及低轨卫星导航服务需求,对国内外低轨卫星现状进行了综述,总结其技术发展路径及效果,研究了低轨卫星导航系统的使能技术,结合服务需求和技术发展趋势,提出我国低轨卫星导航系统发展"增强、备份、独立"三步走的建议,并给出了地面段、空间段和用户段的相应配置.增强模式采用"信息+信号增强"的模式,多种手段综合提升系统服务性能.对于第一步和第二步,可采用统筹建设的方法,形成增强和备份能力.可为我国低轨卫星导航系统的建设提供参考.     

5颗导航用X射线脉冲星计时分析

脉冲星计时特性分析是开展脉冲星导航和脉冲星时研究的基础，为其提供了精确的脉冲星计时模型参数和辐射特征。本文在系统总结脉冲星计时分析方法的基础上，选择了当前导航中应用最广泛的5颗脉冲星，并利用国内外在轨X射线观测卫星的最新观测数据对其分析，包括：“慧眼”硬X射线调制解调望远镜（HXMT）针对Crab脉冲星和PSR B1509-58的观测，中子星内部结构探测器（NICER）针对PSRs J1821-2452A、J1939+2134和J0030+0451的观测。通过对“慧眼”HXMT和NICER在2017-2021年高精度计时观测数据的分析，获得了较长时间段内脉冲星最新状态的自转特性和物理信息，一方面给定了脉冲星最新的、覆盖时间长、自转参数精度较高的X射线星历，证明在X射线波段也可独立给出较高精度的星历；另一方面建立了它们清晰显著的积分脉冲轮廓，其中在选定的能量段范围内3颗毫秒脉冲星的轮廓是当前最精确的，可为脉冲星导航研究提供最新的标准模板。本文仅对脉冲星的X射线数据进行了分析，未来利用国内外多个望远镜，开展多波段联合计时分析，将是脉冲星计时研究的重要方向。     

等离子体激励与电加热式防冰性能对比

飞机结冰威胁飞行安全，针对这一问题，通过记录结冰动态过程及测量表面温度变化对比研究了布置在NACA0012翼型上的等离子体激励、电阻丝电热及石墨烯电热在结冰风洞中的防冰性能。结果表明：在输入功率相同的情况下，等离子体激励和石墨烯电热均能有效地实现防冰，而电阻丝电热在无热源区域无法完全预防结冰。红外测量结果表明：石墨烯电热膜加热后表面最高温度低于其他2种方法。然而，由于其均匀的加热特性，整个加热表面的最低温度保持在0℃以上，足以防止结冰。对于等离子体激励和电阻丝电热，二者表面的温度分布具有不均匀性，通过散热性能对比，等离子体激励要高于电阻丝电热。等离子体激励通过在近壁面气体放电直接加热激励器周围的来流冷空气与过冷水滴，而电阻丝加热对绝缘介质的热传导性能差，无法有效增加周围热量致使容易在无热源区域结冰。     

基于XGBoost的空间高温材料实验炉控制系统建模

为确保高温材料科学实验柜科学实验系统能够成功地进行空间材料科学实验，在空间进行高温材料科学实验的时候要求其温度稳定在±0.25℃范围内。面对如此之高的温度稳定度要求，提出一个新的解决方案：在实验输入和输出数据的基础上，确定一个与高温炉控制系统内部等价的模型，为获得满足实验要求的控制参数提供依据。本文将高温炉控制系统内部看作黑箱模型，基于XGBoost方法分别对四类样品实验的高温炉内部温区2和温区3进行建模，模型精确度全部可达到99.98%以上。与传统建模方式传递函数相对比，在传统方法表现最好的情况下，模型精度仍提高了3.8%，为获得控制参数以确保空间实验温度实现高稳定度提供了重要支持。     

基于CNN-BiGRU的学术文本分类研究

针对传统的文本分类模型存在特征提取能力不足和分类准确率较低等问题，提出一种基于卷积神经网络和双向门控循环单元相结合(CNN-BiGRU)的文本分类方法。首先，以图书情报领域相关主题文本摘要为数据源，通过Word2vec进行文本向量化；其次，通过CNN获得输入文本信息的局部特征，并使用BiGRU保留文本中的顺序相关性；然后，选择softmax分类器输出分类结果；最后，与传统的机器学习分类方法和单一的深度神经网络模型分类方法进行对比实验。结果表明，在数据量大的情况下，文中提出的CNN-BiGRU分类模型具有更好的分类效果，其准确率、召回率和F1值均达到了95%以上，能够在一定程度上解决学术文本“信息过载”等问题。