一类准循环LDPC码及其编码

针对空间通信的特点, 对基于循环矩阵构造的一类正则准循环LDPC码进行了改进, 得到了一类非正则准循环LDPC码. 与原码相比, 这类非正则LDPC码的奇偶校验矩阵H具有3个特点: 行满秩, 具有下三角结构, 引入了一度变量节点. 前两个特性使得这种LDPC码的编码计算复杂度和结构复杂度都与校验位长度成正比, 从而便于编码器的软硬件实现. 第三个特性使码的迭代译码门限稍有降低, 但同时还能保证译码的收敛, 计算机仿真结果也证明了这一点. 本文还简化了对围长不小于6的条件的证明, 推导了系统码校验位的计算公式, 并在此基础上给出了利用移位寄存器的编码电路.      

复合材料蜂窝夹芯板低速冲击后的压缩

对含低速冲击损伤的Nomex蜂窝夹芯板试件进行了压缩实验,用X光技术、热揭层技术和外观检测等对压缩破坏损伤发展的过程进行了研究,分析了压缩破坏机理,结果表明:剩余压缩强度随冲击能量的增加而减少;夹芯板的压缩破坏主要由前面板控制,前面板发生局部屈曲的载荷与板的压缩破坏载荷几乎相等;表面玻璃布不仅能减少冲击损伤,而且能使板内的损伤显露在表面,容易让人发现.     

可伸缩挠性结构的稳定控制

对于挠性梁收缩过程的不稳定性,提出了边界控制方案,并设计了相应的控制律。受控结构的振动能量总是被耗散,系统的阻尼被增强,从而挠性梁的伸展过程、收缩过程和平台保持过程都被稳定化。     

失重性骨质疏松腰椎力学性能研究

航天员在长期失重环境影响下,会容易造成椎体失重性骨质疏松。为了探究骨质流失对腰椎承载能力的影响,设计了不同骨密度的腰椎力学仿真,通过图像处理建立了腰椎三维模型,利用有限元算法得到腰椎应力分布,对比了不同材料属性腰椎模型应力结果。结果表明:骨质疏松腰椎的应力值较正常腰椎变小,而形变量却明显增大。可以看出,骨质流失时,会导致腰椎骨骼材料性能发生变化,使腰椎形变量增大,并且使腰椎结构承载能力降低。     

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

针对旋翼流场模拟的自适应网格算法

针对基于格心格式求解器的旋翼流场模拟,提出了相应的自适应笛卡尔网格的数据存储结构及自适应算法。给出了相应的单元处理策略,简化了对自适应笛卡尔网格的处理;对于频繁的自适应加密过程中产生的大量重复点,采用了高效的交替数字树算法(Alternating digital tree,ADT)予以删除;对于自适应疏化过程中产生的大量无用点,提出了标记-删除-移动(Mark,delete,move,MDM)算法予以快速地删除,减少了不必要的计算资源消耗。对CaradonnaTung旋翼在不同悬停状态下进行了模拟验证,对比了压力分布系数与桨尖涡位置。之后对HELISHAPE 7A旋翼在前飞情况下进行了模拟验证,计算值与实验值吻合。此外,求解器对桨尖涡的捕捉效果得到了明显的提高,表明本文方法具有良好的有效性与鲁棒性。     

高柔结构连续壳体气弹模型通用制作方法

气弹模型制作是高柔结构风洞试验的关键点和难点。针对高柔结构,详细介绍了一种采用"开模、灌胶、再拆模"方式制作连续壳体气弹模型的方法:以石膏制作内模、有机玻璃雕刻外模,精确设计石膏内模和玻璃外模之间的缝隙尺寸,在缝隙内灌注DEVCON胶剂;胶剂固化后,拆模即制成连续气弹壳体模型。动力特性测试结果表明:该模型能够较为精确地模拟实际结构的质量、阻尼以及一、二阶振型和频率,能够再现典型的风致振动现象,证实了制作方法的可靠性。制作方法简便易行、造价低、精度高、通用性强,可为高层建筑、高柔烟囱、化工塔、电视塔、冷却塔等高柔结构的连续气弹壳体模型制作提供指导。     

基于WENO-分段线性格式的旋翼流场数值模拟

为了降低二阶JST(Jameson-schmidt-turkel)格式导致的数值耗散,发展了一套适合于格心格式的基于加权本质无振荡(Weighted essentially non-oscillatory,WENO)-分段线性格式的旋翼流场数值模拟方法。采用运动嵌套网格方法生成围绕旋翼的网格系统,主控方程选择Navier-Stokes(N-S)方程。为了更加有效地对桨尖涡等流动细节进行捕捉,在笛卡尔背景网格上采用七阶Roe-WENO格式计算对流通量;在桨叶贴体非结构网格上采用二阶精度的Roe-分段线性格式计算对流通量。时间离散采用了高效的双时间隐式LU-SGS(Lower upper symmetric Gauss-Seidel)方法进行时间推进。最后,应用上述方法对悬停状态的C-T(Caradonna-tung)旋翼和Helishape 7A旋翼进行了数值模拟,将数值计算结果与实验数据进行了对比,计算值与实验值吻合较好;并将桨尖涡模拟效果与二阶JST格式的模拟效果进行了对比。对比结果表明:本文方法能有效对旋翼流场进行计算,且在相同计算条件下,WENO-分段线性格式能够更有效地捕捉旋翼涡流场的流动特性,表明在计算旋翼涡流场时WENO-分段线性格式相比传统二阶JST格式具有更低的数值耗散。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system,BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法。然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题。为此,本文提出了基于函数链神经网络（Functional-link neural network,FLNN）的深度分类器（FLNN based deep classifier,FLNNDC）,旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点。和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。