基于双峰对数正态分布模型的DED-TA15钛合金DFR值估计方法

在不考虑客观随机因素的飞机飞行姿态动力学建模和仿真过程中，仿真结果通常与飞行实测数据具有一定的偏差。以飞行实测数据的统计分析为基础，研究了一种具有随机激励的飞行姿态动力学建模方法，并采用随机动力学的研究手段对飞机的飞行动力学问题进行仿真分析。计算结果显示，随机因素对于飞行姿态具有显著的影响，且考虑不确定因素的仿真模型随机响应能够比确定性响应更精准地模拟飞机在真实环境中的飞行状态，为下一步精准分析飞行姿态提供了新的思路。     

大型抛物柱面天线展开动力学分析与展开过程控制

为揭示大型抛物柱面天线在轨展开过程中各部件的动力学特性，保障可展天线在轨展开过程稳定性，提出了一种基于模块组装的大型抛物柱面可展天线支撑机构动力学快速建模方法与非线性展开过程反馈控制策略。首先，基于绝对节点坐标法建立了天线可展支撑机构基本模块的动力学方程集与约束方程集。然后，通过子模块组装的方式实现对超大型支撑机构的动力学快速建模，并进一步提出逐块缩聚与递归的动力学微分方程高效求解算法。最后，基于非线性展开过程反馈控制策略实现了抛物柱面可展支撑机构该类强非线性系统的展开稳定控制。结果表明，该控制方法能显著降低可展支撑机构展开过程中的速度峰值，有效提高了大型抛物柱面天线展开过程中的展开同步性。     

空间站流体回路/热管耦合式热辐射器性能研究

空间热辐射器担负着航天器内部多余热量向外太空排散的任务，是航天器热控系统的关键设备，尤其是载人航天器，辐射器需要满足长寿命、高可靠度、高稳定性的要求，目前已发射的载人航天器均采用流体回路辐射器。对中国空间站流体回路/热管耦合式辐射器进行试验研究，得出辐射器散热性能的变化规律。首先论述试验方案和试验过程，并给出试验结果数据;然后通过对试验数据分析，得出辐射器传热热阻，以及散热能力随流体回路参数及外热流参数的变化规律;最后基于试验数据，完善辐射器仿真分析模型，并与试验典型工况进行对比分析，实现仿真模型与试验数据的良好吻合，仿真模型可用于辐射器在轨工作性能预示分析。实验分析结果对航天器空间辐射器设计具有一定的参考意义，可为航天器整舱热平衡试验方案及辐射器在轨工作状态设置提供数据支持。     

天线罩误差对制导回路稳定性影响分析

针对雷达寻的导弹天线罩寄生回路影响制导控制系统稳定性的问题，建立考虑天线罩误差的三维非线性制导回路模型，提出一种基于状态方程形式的天线罩误差斜率对制导回路稳定性的影响分析方法。推导获得了天线罩误差斜率对制导回路系统矩阵影响的定量形式，并基于线性时不变系统的稳定性判据，计算给出天线罩误差斜率影响下的导弹制导回路稳定条件。计算分析和仿真结果表明：寄生回路正反馈时会引起导弹姿态的振荡发散问题，严重影响制导回路稳定性。     

自适应1553B总线通信功能系统级测试方法设计

一些通信卫星通过自适应1553B总线通讯，因此总线控制端在上电前对终端设备的内部遥测参数容量、存储位置是未知的，而是在系统上电后及运行期间动态地维护当前所有终端设备的状态信息，并由总线控制端通过对终端设备的轮询确定终端设备的总线接入状态，并动态获取终端设备的自描述信息，从而解决综合电子总线自适应性能单一、普适性差、数据动态交互机制弱的缺陷。针对某通信卫星自适应1553B总线通信功能，提出一种精准快捷的通信卫星1553B总线测试系统，通过1553B总线终端监视与处理设备，分别对1553B总线的自描述信息动态轮询获取功能和A/B总线自适应轮询功能进行测试，实现对自适应1553B总线实时监视与分析功能。实验表明，该测试系统有效验证了卫星1553B总线自适应通信功能，为总线通信的有效性和实时性提供保障。     

基于双峰对数正态分布模型的DED-TA15钛合金DFR值估计方法

有效评价增材制造金属材料的疲劳强度，是增材制造技术应用于可重复使用飞行器主承力结构的关键。以DED-TA15钛合金为研究对象，基于3种应力水平下标准圆棒试件的成组疲劳试验结果，建立了描述DED-TA15钛合金疲劳寿命分布的双峰对数正态分布模型，采用EM算法，建立了双峰对数正态分布的参数估计方法；采用Bootstrap方法给出了指定置信度和可靠度要求的疲劳寿命计算方法。在军机DFR方法的基础上，给出了适用于DED-TA15钛合金的DFR值计算方法。与传统单峰对数正态分布相比，双峰对数正态分布更精确的描述了疲劳寿命分布，提高了高可靠度和高置信度要求下的疲劳寿命，DFR值也有所提高。该方法降低了因描述模型不精确导致的对设计许用应力的过度限制，有效的提高DED-TA15钛合金的使用潜力。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。