基于数值微分计算的SERF原子自旋惯性测量动态仿真

基于量子调控技术的SERF原子自旋惯性测量仪表与传统惯性测量仪表相比,具有精度高、无活动部件、对加速度不敏感等优点,被公认是下一代高精度惯性测量的发展方向。分析了SERF原子自旋惯性装置Bloch微分方程组模型下磁场、激光、角速度输入对碱金属电子极化率和惰性气体核子极化率的影响。针对实验条件下原子系综Bloch微分方程组难以解析求解的问题,基于可变阶次数值微分计算,建立了相应的Simulink模型对实验条件下的原子系综进行数值求解,并分析了极化率对光场、磁场、角速度输入的瞬态响应与稳态响应。仿真结果与理论计算结果相吻合,验证了Bloch方程数值求解的可行性与准确性。该方法可得到惯性测量系统的动态响应,可用于模拟复杂输入下的SERF原子自旋惯性测量系统的输出响应。     

肋参数对液氧甲烷发动机推力室强化换热的影响

为深入研究带肋推力室强化传热的机理，对带肋液氧/甲烷推力室的燃烧与再生冷却进行了流动与传热耦合分析，并针对不同肋高和肋数目进行了参数化分析。结果表明:引入等效平均热流密度的概念可以准确描述带肋推力室中的实际传热过程;平均热流密度总是随着肋数目的增加而减小，当肋高恒定时，由于总换热面积增大，等效平均热流密度会随着肋数目的增加而增大;而当总表面积恒定时，等效平均热流密度会随肋数目的增加而减小。此外，盲目地增大总换热面积并不一定能改善传热强化，甚至会在某些情况下恶化传热，因此在设计过程中也应该结合其他肋参数进行综合考虑。     

压缩-膨胀湍流边界层平均摩阻分解

采用直接数值模拟对来流马赫数2.9、24°压缩-膨胀折角构型中激波与湍流边界层干扰问题进行了研究。重点关注膨胀折角法向高度对激波干扰区以及下游平板边界层流动的影响。研究发现，当高度足够大时，激波干扰区内未受下游膨胀波的影响，此时的流动特征与传统的压缩折角干扰构型一致。高度较小时，脱体剪切层的再附过程受到下游膨胀波的加速影响，导致再附点向上游移动，分离泡发生剧烈收缩。对上、下游平板湍流边界层应用了平均摩阻分解技术，比较了湍流边界层在平衡和非平衡状态下的差异。分析发现，膨胀折角区域的高摩阻现象主要与摩阻分解后的C_f1项与C_f3项相关。高度变化对C_f1项影响较小，而对C_f2项影响显著。高度变化体现在：下游平板上G9rtler涡结构强度以及层流化现象对C_f2项贡献的差异。     

CSK调制信号的跟踪方法

CSK调制信号能够满足GNSS厘米级高精度服务的高信息速率播发需求，正受到广泛关注。针对CSK调制信号只能用于播发数据，而不能用于提供测量观测量的问题，对CSK调制信号的跟踪方法进行了研究。通过权衡性能和实现复杂度，提出了两种跟踪方法，方法一跟踪精度高但实现复杂度高，方法二以损失跟踪精度为代价降低了实现复杂度。理论和仿真分析结果表明，所提方法一在CSK调制信号载噪比高于40dB-Hz时，可提供与BPSK信号相当的跟踪性能。方法二相比方法一所需相关器资源降低一半，性能损失约4dB。论文的研究成果可为CSK调制信号在GNSS高精度信号体制中的应用提供支持。     

基于随机森林的物联网设备流量分类算法

物联网（IoT）设备流量分类对网络资产管理有重要意义，基于流量统计的分类技术是当前研究热点。已有算法主要基于流信息建立特征向量，而对数据包信息利用较少。改进了基于随机森林的物联网设备流量分类算法，基于流信息和流数据包信息共同建立特征向量。实验结果表明:所提算法与其他算法相比，所提算法的平均分类准确率由56%提高到82%，平均召回率由47%提高到67%，平均F₁得分由0.43提高到0.74，混淆矩阵对比也有明显提升，因此具备更好的分类效果。      

光纤通道时间触发调度方案设计

从稀疏时间模型出发,提出一种光纤通道时间触发调度方案设计。对于采用时间触发机制调度的光纤网络中的周期性任务,根据该设计方案生成的周期调度时刻表,能够有效地避免光纤链路上的数据包竞争,并对该调度方案进行仿真验证。并在此基础上又提出了时间触发和事件触发混合调度机制方案设计,为时间触发在现有光纤通道网络系统中的应用提供一种实现方法和部署依据。     

梦天实验舱初始轨道快速计算策略与分析

初始轨道是航天器入轨评价的关键判据，快速准确计算初始轨道可在入轨异常时为应急救生控制赢得时间。针对传统初始轨道计算方法时间与精度不能兼顾的问题，设计了初始轨道快速计算策略，根据运载火箭加速度变化率来判断舱箭分离时间，采用基于动力学约束的实时轨道滑动批处理方法累积超短弧分离后数据计算初始轨道，对利用各种数据源确定的多组初始轨道进行逻辑优选判断。通过梦天试验舱仿真数据验证表明:使用该策略计算初始轨道，可达到事后精密定轨同等精度，计算时间控制在1 min以内，时效性远超事后精密轨道确定方法。     

面向异构大数据环境的数据脱敏模型

不同场景下数据类型和脱敏需求的差异，使得传统的数据脱敏方法难以满足大数据背景下的用户隐私保护需求。如何实现异构大数据中敏感信息的精准定向、高效脱敏，从而更好地确保数据安全、可信和可用，是本领域的研究难点。提出了一种在异构大数据环境下，基于文本、图片、音频和数据库等异构数据的脱敏模型，并对4个关键模块进行了描述。通过脱敏数据预处理，实现不同应用场景下敏感数据的自动标注和分级设置。采用数据预脱敏处理方法，并从数据可用性、数据关联性、隐私保护度、时间和空间复杂度等5个维度进行脱敏效果评价，实现定制化脱敏策略。经过脱敏任务调度完成脱敏任务分配和执行，并支持用户对部分脱敏数据恢复。基于提出的异构大数据脱敏模型，对2种典型数据脱敏应用场景进行了验证分析，表明所提模型能够实现不同应用场景下异构敏感数据的高效脱敏。