一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测算法

针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题，提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK）载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析，将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测，结合蠕变切线角判据，该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示，该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。     

国产高模碳纤维/环氧复合材料在太阳翼基板上的应用研究

基板是空间太阳电池阵电池电路的安装基础，“上下碳纤维复合材料网格面板+铝蜂窝芯+聚酰亚胺膜”是基板的典型结构。高模量碳纤维作为太阳翼核心关键原材料，必须实现自主可控，避免受制于人。为此，开展了国产高模碳纤维CCM40J-6K/环氧复合材料在太阳翼基板上的应用试验研究，提出了CCM40J-6K/环氧复合材料在产品应用上的宏观力学、微观网格抗拉脱、聚酰亚胺膜粘贴等三个关键环节，针对性地设计并实施了常温和高低温交变力学性能、网格面板节点结合力、聚酰亚胺膜粘贴性能以及基板结构热循环性能等5个方面的测试验证。验证结果表明：CCM40J-6K太阳翼基板各项力学性能与进口M40JB-6K相当，可以沿用原M40JB-6K相关基板成型工艺，单层及多层铺层基板试验件能够经受高低温交变及热循环恶劣环境，试验件试验前后力学性能无明显变化，且聚酰亚胺膜无脱粘现象，网格节点拉伸强度国产碳纤维网格面板相比进口碳纤维网格面板高18.9%。说明国产碳纤维CCM40J-6K能够应用于太阳翼基板结构研制。     

顾及不确定性分析的多数投票 SAR 影像变化检测

合成孔径雷达（Synthetic Aperture Radar，SAR）影像变化检测是遥感领域的一个重要研究方向。文章以投票法（Majority Voting，MV）为基础，提出一种全新的顾及不确定性分析的SAR影像变化检测方法（Uncertainty Analysis-based MV，UAMV）。首先选取三组典型的差分影像生成算法，生成三组互补的差分影像。然后使用模糊C均值聚类估算每组差分影像的关于变化类和未变化类的模糊隶属度函数。最后用模糊集合和信息熵理论优化MV，构建顾及不确定性分析的多数投票法，并用所构建方法融合三组差分影像的模糊隶属度函数，生成变化检测图。为验证文章方法的有效性，通过三组真实SAR影像数据进行实验分析。实验结果表明：1）通过用信息熵分析MV融合过程中的不确定性，能够显著提高MV的变化检测性能；2）与7种现有相关算法相比，UAMV方法能够取得更优的变化检测结果。该研究为SAR影像变化检测提供一种新的思路和方法。