S1000D Process数据模块解析引擎的设计与实现

通过分析S1000D Process数据模块[1]的内容以及该数据模块的阅读需求,在借鉴了基于堆栈运算计算机器相关理论的基础上,设计了一个基于多堆栈,类似于虚拟机器执行器的导航解析引擎。     

一种基于Spark的国产化海量数据预处理和计算技术

以提升航天大数据软件的数据处理性能为目的,以原有的MapReduce框架为基础,提出一种新的面向国产平台的基于Spark内存计算和数据预处理技术相结合的技术。将原软件框架的数据解析算法前移,采用Kafka消息队列对不规格数据进行分布式预处理。针对MapReduce框架消耗内存过大的问题,利用RDD调用机制与Spark内存计算的优势,采用一种基于Spark的快速处理框架,并在国产平台上进行了移植适配。经工程验证,新的基于Spark框架的数据处理性能较之前的MapReduce的数据处理性能有了显著提升,稳定实现了在面向全国产平台的大数据批处理技术的性能优化。     

基于改进YOLOv5s的安全帽检测算法

针对现有安全帽检测算法难以检测小目标、密集目标等缺点，提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构，提升网络的特征提取能力；在网络颈部检测层加入SE-Net通道注意力模块，引导模型更加关注小目标信息的通道特征，以提升对小目标的检测性能；对数据增强方式进行改进，丰富小尺度样本数据集；增加一个检测层以便能更好地学习密集目标的多级特征，从而提高模型应对复杂密集场景的能力。此外，构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明：所提改进算法比原始YOLOv5s算法平均精确率（mAP@0.5）提升6.57%，比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%，在密集场景及小目标场景下具有较强的泛化能力。     

基于可靠性分析的立方星网络维护架构优化

立方星编队或星座构成分布式空间传感器网络，可提高立方星执行复杂空间任务的能力。然而立方星易发生故障，其故障时间不确定性也导致了传感器网络性能的不稳定，这凸显了对立方星网络进行在轨维护的重要性。考虑立方星传感器网络的功能维持问题，描述了一种网络维护架构，通过定期发射、在轨备份立方星以及时更换故障立方星，从而提高网络对单星随机失效事件的快速响应与恢复能力。建立了该架构的运行成本模型，包括固定成本、储存成本和短缺成本。收集整理了真实的立方星寿命数据，并使用最大化拟合优度参数估计方法得到最优立方星寿命的随机模型。采用基于蒙特卡罗仿真的遗传算法优化备用立方星的补给时刻和补给数量，在备份成本与系统性能下降所带来的损失之间进行权衡，使得系统的综合收益最优。     

带核心机驱动风扇级的变循环发动机总体性能研究

在常规发动机数学模型的基础上,构建了基于变循环的发动机前、后涵道引射器模型,建立了带核心机驱动风扇级(CDFS)的变循环发动机性能计算模型及非线性方程组,深入研究了带CDFS的变循环发动机主要设计参数的匹配规律,并在一定控制规律下给出了性能计算流程。通过性能仿真分析了此类发动机的高度-速度特性和节流特性,并根据性能分析结果提出了可能存在的问题及相应的解决措施。结果表明,带CDFS的变循环发动机在单、双外涵模式下有完全不同的特性,双外涵模式不适合在高空大马赫数状态下开加力使用。另外,还给出了保证地面起动安全性的模态转换点。     

基于FPGA的FLASH控制器设计

针对NAND型FLASH不易管理（地址线、数据线和命令线复用，并且芯片出厂时有坏块）的特点，文章提出了一种可靠的解决方案。该方案基于FPGA完成了对NAND型FLASH的综合管理，包括初始可写入页的查找、坏块表建立、数据写入、数据读出以及数据块擦除等操作。仿真和测试结果表明，文章的设计方案运行稳定，满足航天工程化的要求。     

嵌入式大气数据测量系统技术研究进展

针对高超声速飞行器大气数据测量问题，对嵌入式大气数据测量系统(FADS)技术研究背景、发展历程、国内外研究现状等进行了概括。重点围绕FADS关键技术、FADS解算算法及面向FADS/INS组合测量系统信息融合算法方面，对FADS技术进行了深入的剖析。最后，展望了FADS技术未来的发展方向及应用前景。     

基于数据驱动的结构钢表面应力磁巴克豪森噪声表征方法

磁巴克豪森噪声（MBN）技术可用于定量评估铁磁材料的表面应力。当前MBN法应力评估技术存在特征量选取较难、定量预测模型复杂且对标定数据集的拟合精度较低的不足。提出一种数据驱动的非线性映射算法拟合MBN噪声和应力的关系，研究了基于小波包变换系数的时频特征替代统计特征量，减少了样本数据计算量。采用MBN噪声在小波包变换时-频域内的小波包变换系数作为特征向量，利用基于奇异值分解的数据降维算法降低特征向量的维数，将经过数据降维后的特征向量输入反向传播（BP）神经网络进行模型训练以建立预测模型。结果表明：采用基于奇异值分解的数据降维算法可降低模型的复杂度，利用降维后的小波包变换系数特征向量训练BP神经网络可实现铁磁材料表面应力的高精度预测。建立的表征方法有效解决了铁磁构件应力分布成像问题，在预防应力腐蚀、提高疲劳强度等损伤预警方面具有广阔的应用前景。     

基于阻容元件的电磁阀快响应技术

为了寻求一种简单、便捷的驱动控制电路,以实现电磁阀高电压开启、低电压维持的快响应工作模式,充分利用电气元件电容的充放电功能和电阻的分压功能,设计了"电磁阀线圈串接电阻和电容并联组"驱动电路。通过AMESim仿真软件建立电磁阀和驱动电路的仿真模型,对比分析了电容和电阻参数对线圈电流和响应的影响规律,并通过试验验证了该技术途径可以达到高电压开启、低电压维持的效果,实现了电磁阀的快响应目标。根据参数对比试验数据,启动电流峰值和上升率应通过选择电容参数来控制,维持电流应通过选择分压电阻参数来调整。该驱动电路技术可以推广应用于快响应电磁阀设计中,结构简易、操作简便。     

Exponent及Gauss型遥测数据建模初始化算法

在对某大型航天电子设备的遥测数据建模时,经常遇到含有指数类变化规律的数据,对其进行建模可以为研究设备性能的变化规律、实际与设计的差异等提供手段。针对有指数变化趋势的遥测数据,采用Exponent模型、Gauss模型对遥测数据建模,给出了这种数据模型的表达式,研究了2种模型的参数初始化算法。通过数值实验说明模型参数初始化算法的有效性,为后续利用最优化理论求解模型精确参数提供了良好的初试点。