无氰亚硫酸盐镀金

重点论述了无氰亚硫酸钠镀金的优点、配方及工作条件、配置程序，应用于实际生产中的效果及优点．     

平衡交通运输网络设计的最优化数学模型

分析了影响交通运输网络发展的因素,总结了课题研究的程序。综合运用了“系统最优原理”和“用户最优原理”,给出了多目标、多运输方式与运送对象的平衡交通网络设计的一般表达式。系统最优与用户最优方法同时又能用于研究国家和省级铁路、公路系统的交通运输问题。文中对这个非凸规划问题给出局部最优解的算法。     

计算机辅助计划管理和决策总体设计

 介绍一种新机研制计划管理和决策支持系统的总体设计方案及其实现的具体措施。详细介绍了几个主要模块的设计思想。     

乙炔端基砜(ATS)基半互穿聚合物网络(SIPN)体系的研究——热稳定性与降解动力学

用TGA研究了ATS、PEK-C、PES-C、PSF、PES及其共混物形成的SIPN的热稳定性和热降解动力学,并讨论了其降解机理。ATS固化物的热稳定性、降解活化能E和频率因子A与固化条件有关。热稳定性、E和A从高到低顺序为热塑性树脂(TP)>共混物>ATS。酚酞基与异丙撑基都为热稳定性较差的基团。     

航空电子多信道实时分组调度方法

 针对航空电子波分复用（WDM）网络,提出了一种新的多信道实时调度策略实时多信道加权轮转调度（RMWRR）,将多信道分成强实时信道组和尽力服务信道组,通过调整强实时信道组的权值分配和在尽力服务信道组进行权值补偿的方法,在满足强实时消息强实时约束的同时,提高了带宽利用率,可以适应动态消息的权值变化。对经过流量整形的非强实时消息,RMWRR在尽力服务信道组对其提供延迟上界。通过理论分析,推导了RMWRR的强实时调度条件和尽力服务延迟上界。仿真和算例分析验证了该调度策略的强实时约束下的低资源占用和非强实时下的低延迟特性。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

基于DDQN的运载火箭姿态控制器参数设计

探索了利用深度强化学习算法训练智能体,以代替人类工程师进行火箭姿态控制器参数的离线设计方案。建立了多特征秒的火箭频域分析模型,选定了设计参数。选择深度强化学习算法中的双深度Q学习(Double Deep Q Network,DDQN)算法,通过记忆回放和时间差分迭代的方式让智能体在与环境交互过程中不断学习。设计了对应的马尔科夫决策过程模型,进行了智能体的训练和前向测试。结果说明该方法对于运载火箭姿控设计具有一定参考价值。     

迭代法求解航天器热网络方程的收敛条件与时间步长优化

热分析计算是航天器热设计验证和在轨温度预示的重要手段,其实质是对描述航天器在轨状态的能量平衡方程即热网络方程的求解。作为典型的非线性问题,航天器热网络方程通常采用迭代法求解,且目前尚无完善的理论可以判断迭代过程的收敛性和收敛条件。文章根据航天器热控设计的工程实际,提出一种可行的近似方法,实现了热网络方程的线性化;在此基础上对迭代法求解过程中的收敛性进行分析,确定了收敛条件下对节点热参数和时间步长的约束关系;并进一步分析时间步长与计算效率的关系,提出了以计算效率为优化目标的最优时间步长确定方法。最后通过某典型航天器热物理模型的计算验证了上述方法的正确性。