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。     

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 。     

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。     

美军网络中心战的发展及其对装备建设的启示

网络中心战是信息化战争的主要作战样式。信息技术的广泛应用,大大提高了装备作战的能力,同时也对装备建设提出了更新更高的要求。阐述了美军网络中心战的含义与结构组成,分析了美军网络中心战的建设情况、关键技术、作战应用及其发展动向,最后探讨了网络中心战对装备建设的影响。     

光平方公司L频段4G部署计划生机渺茫

2012年2月15日,美国联邦通信委员会(FCC)发布公告,宣布因存在对GPS的干扰问题,提议撤消之前对光平方公司的"有条件授权",无限期暂停其"辅助地面设施"(ATC)网络,并就上述两个问题征询公众意见,从而使得这场GPS阵营与光平方公司之间耗时一年多、波及面极广的"大战"结果初见明朗,胜利的天平最终向着GPS一方倾斜。     

卫星通信中基于网络编码改进的广播重传策略

针对传统卫星广播重传策略、链路高丢包率下的基于网络编码的广播重传策略和最大团策略的问题,提出了一种改进的基于网络编码的广播重传策略。理论分析及模拟测试结果证明了改进的基于网络编码的广播重传策略较好地解决了传统卫星广播重传策略信道占用率较高、重传次数较多的问题,链路高丢包率下的基于网络编码的广播重传策略不能达到重传性能最优的问题,保证了卫星通信中的组播数据的快速、可靠的发布。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。