军机总装过程质量门控制体系构建及应用

针对军机总装脉动式多站位生产模式下容易造成站位间质量风险传递的问题，在传统的质量门管理模式的基础上，将质量门与站位制节拍化生产模式相结合，提出一种适用于军机总装的质量门控制体系。主机厂C的应用结果表明，通过该体系使得大部分质量问题在整机移交前归零，平均单机不合格数下降幅度超60%。得出结论：所提质量门控制体系对于避免质量隐患流转，促进军机生产质量链整体提升有积极作用，可为实际应用提供指导。     

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%。     

军机总装装配大纲质量风险等级评价模型研究

针对军机总装阶段质量风险识别与产品制造过程脱节、风险管控重点不明确等问题，结合总装以装配大纲为基础制造单元的特点，通过对过程失效模式及影响分析（PFMEA）评价体系的局限性进行优化，提出一种装配大纲质量风险等级评价模型，定义了风险等级系数RLC的计算方法，并给出风险评价要素的评价方法。应用结果表明，通过该模型识别的装配大纲质量风险等级与实际情况相一致，基于模型风险等级评价结果的质量管控使平均单机不合格数下降73.12%。所提模型的装配大纲质量风险等级评价是正确并有效的，可为实际应用提供指导。     

基于深度学习的飞行器故障情况下可配平能力快速预示方法

针对飞行器在执行机构故障条件下配平能力受限的问题，本文提出了一种基于深度学习的故障情况下可配平能力快速预示方法。首先，建立飞行器气动力矩和执行机构故障模型，并给出飞行器旋转配平条件。其次，在不同执行机构故障情况下，采用基于二次规划的可配平能力求解方法，在迎角/侧滑角二维平面内进行遍历求解，得到当前故障情况下的可配平能力剖面，并采用8个特征点进行包络，同时为所提方法提供样本。再次，利用深度神经网络强大的拟合能力，从样本中提取故障和气动力矩信息作为网络输入，特征点的迎角和侧滑角的值作为网络输出，离线训练深度神经网络。利用训练好的深度神经网络根据当前故障信息实时计算可配平能力剖面。最后，通过仿真验证了所提方法的有效性和实时性。     

卫星蜂窝夹层结构新型埋件工艺

针对卫星蜂窝夹层结构，研究了新型后埋件及其自动化后埋工艺，并与我国卫星领域传统后埋技术对比，考察了两种埋件技术对埋件承载力与承载系数的影响。结果表明，两种埋件系统承载模式基本一致，胶黏剂的分布状态对其承载性能有重要影响。新型后埋系统承载能力已经达到传统后埋系统的158.2%。新型后埋件技术更适合自动化方式，保证工艺稳定性一致性可靠性。     

先进复合材料将成为卫星结构的主要材料

本文介绍了卫星结构材料的基本要求,对先进复合材料在卫星结构中的应用概况作了简述,指出今后一段时间里,卫星结构材料主要是高模量碳纤维复合材料。与此同时,对本单位复合材料研究与应用概况作了简介。