高层次设计和FPGA技术在航天电子系统中的应用探讨

介绍了高层次设计方法和FPGA（现场可编程门阵列）技术及其在航天控制系统小型化设计中的应用实例和在未来航天领域的应用前景。     

GNTO的热分解动力学和比热容及绝热至爆时间研究

利用3-硝基-1,2,4-三唑-5-酮的钠盐(NaNTO·H2O)和盐酸胍在水溶液中合成了一种新型含能材料NTO胍盐(GNTO).采用DSC和TG/DTG法对GNTO进行了热行为及非等温热分解动力学研究,其热分解反应的动力学方程为(dα)/(dT)=(1023.71)/(β)6(1-α)(2)/(3)[1-(1-α)(1)/(3)](1)/(2)exp(-2.602×105/RT),临界爆炸温度为256.29 ℃.同时,利用微量热法对GNTO的比热容进行了测定,298.15 K时GNTO的标准摩尔比热容为236.88 J/(mol·K);计算得到了GNTO的绝热爆炸时间为102.16 s.     

Nakagami衰落包络的空时频相关性研究

多天线分集接收系统的性能与各支路信号衰落的相关性密切相关,通过分析Nakagami与瑞利衰落的内在联系,推导给出了不同Nakagami衰落包络之间的空时频相关性解析式,该表达式适用于任意散射条件和不同衰落系数。最后,通过数值仿真分析各参数对Nakagami衰落之间相关性的影响,并给出相干距离(时间、频率)的近似表达式,该结论对多天线系统的性能评估和参数设计非常重要。

     

振荡环境下多层三明治模型火焰波动特性研究

基于OpenFOAM计算平台,针对发动机振荡环境下AP/HTPB复合推进剂微观火焰的燃烧波动特性开展了数值计算研究。由于传统的三明治模型并未考虑相邻火焰之间的影响,因此本文采用多层三明治构型,在平均压强5.7 MPa、振荡频率323 Hz、压强振荡幅值为0.2 MPa、质量比α_(AP/HTPB)=7/3的情况下,开展数值模拟和分析工作。结果表明,基于OpenFOAM的建立的数值模拟方法,可获得发动机振荡环境下AP/HTPB三明治模型火焰的波动特性,包括火焰高度、火焰摆动角度、对近燃面气相区域的热反馈等参数的变化。对比分析表明,相邻火焰会对彼此的火焰波动特性产生影响,多层三明治模型对推进剂细观火焰的描述更加合理。     

“幸福廊坊”构建中的传媒责任研究

＂构建和谐社会打造幸福廊坊＂是廊坊市委、市政府根据全市人民的意愿和要求提出的一项任务。在这个任务中,新闻传媒作为党和人民的喉舌,应该充分发挥自身的优势,为＂幸福廊坊＂的构建发挥作用。这种作用主要体现在三个方面,一是充分发挥媒体的维稳作用;二是注重贴近性报道,做好舆论引导;三是整合内部资源,实现传播效果最大化。     

航天器总装工艺组册规划与实施

近几年来我国航天器的研制任务迅速增长,传统的单型号研制模式正逐渐地被小批量与研制相结合的混线制造模式所取代。总装工艺组册规划作为一种与航天器小批量总装相适应的生产组织方式,在总装中取得了良好的应用效果。文章总结了总装工艺组册规划及实施的若干经验,同时提出了继续深入应用的思路。     

多飞行器攻击时间一致性协同制导进展综述与展望

攻击时间一致性协同制导是协同制导的一个重要分支。综述了多飞行器攻击时间一致性协同制导的主要研究成果和方法分类。对攻击时间一致性协同制导的战术意义进行了分析;按照目标的运动形式,分为对固定目标的攻击实现一致性协同制导和对运动/机动目标的协同制导2类问题;归纳了国内外对这2类协同制导问题的主要研究成果,从研究方法层面综述各种协同制导方法的优缺点及其适应的问题场景;对攻击时间一致性协同制导方向的相关技术挑战进行了总结,并对未来发展方向进行展望。     

基于分布对象的异步消息技术在测控软件中的应用

分析了一个基于分布对象的异步消息模型,该模型采用事件驱动方式,支持异步回调和异步轮询2种具有较高性能的异步调用模式。介绍了如何在遵循CORBA标准的分布对象框架内,实现一个精简的、基本的异步消息通信系统。针对航天测控软件需求,指出了在其中应用基于分布对象的异步消息技术将会产生的较大意义,并举例说明了如何实现其有价值的应用。     

垂直起降可重复使用运载器发展现状与关键技术分析

重复使用运载技术是降低单次发射成本、提高发射密度和减少残骸危害的有效手段,随着以Falcon 9系列为代表的垂直起降运载器的成功回收与重复使用,其在商业航天发射市场表现出了较强的竞争力,掀起了可重复使用运载器的研究新热潮。首先梳理了垂直起降可重复使用运载器的发展现状,然后结合垂直起降运载的任务特征分析了其关键技术,最后总结了垂直起降运载器的发展趋势。     

基于神经网络的荧光油膜厚度与灰度研究

在全局摩阻测量中,薄油膜技术可以很好地表征表面摩阻的分布情况。用特定波长的紫外线照射添加了荧光显色分子的不同厚度的油膜,油膜将发出不同的亮度。利用该原理通过检测受激发的荧光油膜灰度值可解算出相应油膜的厚度。本次采用BP神经网络及极限学习机(Extreme learning machine,ELM)神经网络搭建模型完成了荧光油膜厚度与灰度关系的预测,运用Hopfield神经网络完成了相应参数的辨识。实验表明,ELM神经网络模型、BP神经网络模型及插值法模型的预测误差分别为5.150%、5.485%和5.935%。通过Hopfield神经网络辨识,光源功率、光距和曝光系数等影响因素的参数误差率控制在1%左右,达到实际工程运用的要求。与传统插值法相比,通过神经网络可获得更高的精度,为荧光油膜灰度与厚度研究提供了一种可行的方法。