基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法（GNSS-IR）,提出了一种基于支持向量机（SVM）的土壤湿度反演模型,利用遗传算法（GA）的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差（MAPE）仅为0.69%,最大相对误差（MRE）为1.22%,线性回归方程决定系数达到了0.956 9。进一步与统计回归、粒子群优化的SVM模型（PSO-SVM）及反向传播（BP）神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。      

高时间分辨力瞬态热反射显微热成像装置

瞬态热反射显微热成像能够测量电子器件表面温度分布,兼具高时间分辨力和高空间分辨力,在GaN HEMT等大功率器件热测试中应用日益广泛。研发了瞬态热反射显微热成像装置,利用窄脉冲照明,捕捉特定短时间内被测器件表面的图像,实现瞬态热反射热成像,时间分辨力达到1 μs。以微带电阻作为被测器件开展了瞬态测温实验,激励脉宽10 μs,测试得到了不同时刻微带电阻上温度分布,可以观察到升温和降温过程的细节,温度上升和下降时间在（2~3） μs,有效验证了装置的时间分辨力性能。     

毛细管电泳法测定镀层中金属元素

建立了常见11种金属阳离子同时分离的毛细管电泳方法,并测定了镀层中的4种金属离子。采用50μm×58.5 cm(有效长度50cm)的未处理的熔融石英毛细管柱,研究了电解质组成包括络合剂、pH值、间接紫外检测试剂对分离的影响。加标回收实验结果表明,该方法重复性好,准确度高,简单快速,回收率为97.0-98.6%,具有很好的实用价值。     

镍基单晶高温合金热机械疲劳行为与寿命建模

通过DD6单晶薄壁管试样机械应变控制热机械疲劳(TMF)试验,获取温度交变、相位角以及载荷控制方式对单晶应力应变响应与疲劳寿命的影响规律。结果表明:温度交变会引起明显的应力不对称性并造成额外损伤,导致TMF寿命明显低于最高循环温度的等温疲劳(IF)寿命,并且反相(OP)循环寿命普遍要低于同等载荷的同相(IP)循环,这种寿命变化趋势与应力控制存在明显差异。采用Walker本构模型进行单晶材料在不同TMF循环下的滑移系黏塑性分析,构建单晶TMF损伤与滑移系细观应力应变参量的关联。在此基础上,选取最大Schmid应力、最大滑移剪应变率、滑移剪应变范围、循环Schmid应力比作为损伤参量,建立基于细观参量的TMF寿命模型,其对不同相位、不同载荷控制方式的TMF寿命预测精度均在2倍分散带内。      

基于模糊神经网络的导弹最优寻的末制导律

提出了一种适用于一类末制导段采用推力矢量控制的新型导弹的模糊神经网络最优寻的末制导律.在制导律设计时不仅要求导弹能量最省,脱靶量最小,同时考虑了推力矢量控制的非线性特点,并且为改善该神经网络系统的学习效果,在学习算法中还引入模糊学习规则.数字仿真表明所提出的模糊神经网络制导律对于机动目标具有较好的攻击能力.     

某型导弹靶标研制的风险评估研究

武器装备研制过程存在各种风险,准确地对风险进行评估,可有效减少风险造成的损失。针对武器装备的研制风险,介绍了风险评估的方法,并结合风险因子、技术特征因子和实验条件因子,给出风险计算公式。最后结合某导弹靶标系统进行了风险评估。     

一种旋转失重模拟试验装置设计

为了验证某些航天产品在同时满足失重和自旋条件下的工作性能,设计了一种旋转失重模拟试验装置,由上下独立的单端承载旋转机构和转动平稳释放机构装配而成。文章给出装置的设计原理、转动应力参数仿真和平稳释放实现方法等,以及采用的关键技术。国内首例高速自旋失重试验的验证结果表明,旋转失重试验装置的使用克服了传统试验方法无法同时提供旋转环境和失重环境的局限性,在有效避免共振的前提下,实现产品在3.5 r/s转速下平稳下落,倾斜角度未超过1°,试验结果满足设计要求。     

神舟3号返回舱内的LET分布及吸收剂量

为了测量进入航天器舱内重电离粒子引起的辐射剂量，在神舟3号返回舱的内壁上安装了一个由CR-39片和铝片叠合组成的固体核径迹探测器．对回收的CR-39片进行化学蚀刻处理后，进行扫描并测量了由重电离粒子在CR-39片上形成的径迹斑．参照由重离子加速器的各种离子给出的标定值，在扣除由地面对照样本提供的本底值后，得出了返回舱内的线性能量传递(LET)值的分布，线性能量传递大于探测器记录阈值的总吸收剂量和总等效剂量，以及总等效剂量随屏蔽物厚度的变化．     

基于双重注意力机制及S-BiGAN的机电设备故障诊断

标签样本少条件下机电设备的准确故障诊断对于提高复杂机电设备的健康管理能力具有重要意义。针对标签样本少条件下难以建立准确故障诊断模型的问题,在半监督生成对抗网络的基础上,将注意力模块引入生成对抗网络,并利用格拉姆角场将一维数据转换为二维图像;结合双向生成对抗网络特点,提出一种基于双重注意力机制的半监督双向生成对抗网络（S-BIGAN）机电设备故障诊断模型,以轴承数据为例进行验证。结果表明：与CNN-SVM、SGAN 等算法相比,本文提出的模型能够提高样本生成质量和故障分类特征,有效解决标签样本少情况下的故障诊断问题,极大地提高了故障诊断准确率。