关于适当布置构造柱以提高墙体承载力的探讨

针对当前七、八层砖混结构住宅在不增加墙体厚度的前提下，通过适当布置构造柱，来提高墙体承载力，因而达到增大使用面积的目的。     

国产元器件高可靠装联常见问题及其启示北大核心CSCD

针对航天高可靠、长寿命电子产品用国产元器件,通过近年元器件国产化的应用实践,从电子装联的角度,对元器件国产化过程中的常见共性问题进行了分析和总结,并浅谈了元器件国产化过程中这些问题对我们的启示及后续应注意的问题及相关建议。     

RNSS/INS深耦合高动态导航接收机测试方法研究CSCD

卫星导航和惯性导航采用深耦合方式实现导航作为世界上最先进的导航形式,在国防中的应用越来越广泛,但其在高动态下的性能需要验证。当前针对深耦合高动态下导航接收机的测试研究较少,本文介绍了基于卫星信号模拟器的测试系统组成及测试用高动态场景,运用模拟测试原理,通过对导航接收机在高动态下定位速度和跟踪灵敏度的测试及其结果分析,验证了导航接收机的深耦合功能,对此类接收机的测试方法进行了初步探究。     

用于机载大功率电子设备的新型液冷环控系统的研究

为了解决我国飞机大功率、高热流密度机载电子设备的冷却问题，本文提出了由制冷、冷却液循环、测量与控制等子系统组成的新型飞机液冷环控系统，阐述了冷却液的配制、系统多参数优化设计、冷板流阻特性曲线的准确模拟、机载电子设备发热模拟装置和建设全系统综合试验台等关键问题。分别完成了冷板换热器Q—p曲线测试、液冷系统流量分配试验、限流环尺寸确定试验和飞行环境下液冷系统性能模拟试验。研究表明，本系统是一种适用于高热流密度下机械电子设备经济的、高效的液冷环控系统。     

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

深空合作目标高概率捕获复合扫描策略研究

针对深空目标长距离星间激光通信时间滞后大、光轴抖动明显、不确定区域大的问题,设计了一种基于两级执行机构的抗抖动高概率捕获复合扫描策略。将目标位置不确定区域划分为等大正方形子区域,在子区域内采用光栅扫描,通过快摆镜实现;在子区域间按照光栅螺旋扫描顺序覆盖,通过伺服转台实现子区域间的跳转。然后在考虑光轴抖动的情况下基于遗传算法对子区域大小、扫描光斑重叠大小进行了优化,得到了参数优化后的扫描方案,并通过仿真进行了验证。1000次蒙特卡洛打靶结果表明,在目标位置不确定区域3.6mrad、激光束散角0.1mrad、光轴抖动标准差5μrad的情况下,优化后的扫描方案对目标的捕获概率为99.2%,对不确定区域的扫描时间为41.34s,扫描到目标的平均扫描时间为9.62s。     

磁悬浮控制敏感陀螺角动量包络分析

针对磁悬浮控制敏感陀螺(MSCSG)空间应用问题,研究其多自由度角动量包络模型。依据MSCSG的机械结构,分析磁悬浮转子径向万向偏转特性,明晰MSCSG轴向一个自由度转子转速变化飞轮力矩和径向两自由度转子万向偏转陀螺力矩输出机理。基于洛伦兹力磁轴承(LFMB)原理,分析径向偏转力矩与控制电流的线性关系,揭示MSCSG陀螺力矩高精度高带宽的优势。考虑转子径向偏角和轴向转速饱和问题,基于重构偏角和旋转矩阵构建MSCSG角动量包络模型。仿真分析了MSCSG径向偏转力矩高精度高带宽、轴向飞轮力矩高精度的特性。开展MSCSG偏转力矩高带宽性能测试,实验验证MSCSG能够输出大于100 Hz的径向偏转力矩。研究结果表明,MSCSG具有航天器高动态微振动抑制和高精度姿态控制的空间应用前景。     

微纳InSAR卫星总体技术研究

微纳合成孔径雷达干涉(Synthetic Aperture Radar Interferometry, InSAR)卫星是对地定量化遥感的重要手段。开展了微纳InSAR卫星系统总体技术研究,给出了使得干涉测量覆盖范围最大的双星编队构型设计方法,建立了低燃料消耗双星轨道参数设计准则,提出高功能密度比InSAR卫星系统的设计方法,包括载荷平台一体化、卫星高集成模块化等总体设计方法,并给出了相应的设计实例。     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。