陀螺电机转子动平衡激光精密去重技术

陀螺电机转子动平衡采用的人工打孔去重存在效率低、去重精度低、金属碎屑残留等问题，严重制约了陀螺的生产效率和精度。而激光去重具有去重精度高、无接触、效率高等优点，在精密去重领域应用前景广泛。采用脉冲光纤激光器对陀螺电机转子动平衡进行了激光精密去重技术研究，探讨了激光频率、振镜扫描速度等参数对去重效果的影响规律，优化了激光去重工艺参数。当激光功率为30W、振镜扫描速度为1000mm/s时，去重盲孔效果最好。针对激光去重盲孔存在残留物问题，提出了激光二次抛光去除残留物的方法，研究了激光功率、振镜扫描速度对残留物去除效果影响规律，优化了激光抛光工艺参数。激光去重盲孔经二次扫描抛光后，盲孔表面残留物去除干净，满足陀螺电机转子的精密去重要求。     

空间引力波探测微牛电推进寿命评估研究现状

阐述了空间引力波探测任务中无拖曳控制技术对推进系统的特殊要求，介绍了目前主要的备选推进类型：冷气推进、离子电推进、会切型霍尔电推进、胶体电推进。针对面向空间引力波探测任务的电推进系统的寿命评估工作进行了任务分析，报告了目前微牛级电推进系统寿命试验研究现状，举例说明了目前主要应用的电推进装置寿命预测方式，包括半经验模型预测、数值模拟预测、基于数据驱动的预测以及系统层面的可靠性评估方法。对目前微牛级电推进系统的寿命评估研究现状进行总结，给出了发展思路。     

基于 PCIE 的高速密码卡 PCB 设计与研究

为了实现更可靠的高速印刷电路板（PCB）设计，解决电磁兼容（EMC）、信号完整性和电源完整性等问题对系统带来的不利影响，从叠层及布局、电源设计、过孔设计、高速信号布线四个方面详细讨论了具有高速加解密功能的基于PCIE总线的高速密码卡印刷电路板的设计技术，并结合实际应用给出了具体实现办法和有关实例。实践表明：这些技术在高速印刷电路板的实际设计中可行有效。     

新一代运载火箭氢氧模块动力系统试验风险分析

针对新一代运载火箭氢氧模块动力系统试车试验台进行了风险分析.分析方法采用基于元件的系统级FMECA和基于工艺流程的过程FMECA相结合的方法,引入“发生可能性”和“严酷度”两个指标,建立FMECA工作表,实现了风险因素量化分析与控制,并引入“风险指数”对风险事项排序.通过分析共识别Ⅰ、Ⅱ类单点故障模式45项,提出了试验台在设计、生产、使用和操作中应采取的控制措施,使系统可靠性得到了增长.该方法有效拓展了大型地面试验风险管理的思路.     

一种基于数字采样技术的电压波动测量系统CSCD

本文针对电能质量计量校准领域中电压波动参数的测量问题进行研究,通过比较现有电压波动信号的检测方法,结合数学模型分析,提出一种基于Agilent 3458A采样器的电压波动信号交流采样均方根值检测法。并搭建电压波动信号测量系统,通过实验,实现了测量电压波动频率范围可覆盖0.008Hz^40Hz,波动值范围为0.1%~30%。     

航天器外表面导电面积对朗缪尔探针科学探测的影响

朗缪尔探针的科学探测会受到航天器外表面导电面积与朗缪尔探针传感器有效面积之比大小的影响。如果航天器的外表面导电面积不足够大,朗缪尔探针以扫描电压模式工作时,就会造成航天器地电位的扰动,进而导致朗缪尔探针测量结果的偏差。分析了此问题的物理原理,并进行了相应的理论计算。子午工程探空火箭有效载荷朗缪尔探针在进行科学探测的同时,测量了火箭外表面导电面积与朗缪尔探针传感器有效面积之比不足造成的扰动,测量结果与理论分析基本一致。     

代理问题与上市公司会计信息质量研究——基于公司治理的视角

上市公司会计信息的披露质量受外部制度环境和内部治理机制两个方面影响.通过对基于内部治理机制的相关研究进行梳理与分析,文章发现这一领域的研究不论是在权力制衡安排的角度还是管理激励契约的角度,公司间的代理异质性问题均未被作为决定性因素加以考虑.由于公司治理机制内生于企业的特定代理问题,因此,代理异质性问题的忽略可能是造成现有相关研究结论不一致的原因.未来的研究,应在构建直接测度和间接测度相结合的会计信息质量综合评价的基础上,全面、系统地研究上市公司代理异质性对会计信息披露质量的影响机理.     

空间可展桁架结构等效动力学模型研究进展与展望

随着航天重大工程的逐步实施，桁架式空间可展结构正朝着大型化、轻量化和多功能等方向发展，该类桁架结构具有周期性、大柔度、构型复杂等特点。为满足大型空间结构的高精度、高可靠性要求，其动力学建模、非线性振动与振动控制等问题越来越复杂且难于处理。因此，大型空间可展结构的等效连续体建模成为研究热点。本文着重介绍大型空间可展桁架结构等效动力学建模的研究现状，综述了等效动力学建模的研究对象、方法及已取得的成果，提炼出等效动力学建模和与之相应的非线性振动与振动控制研究领域中亟待深入研究的关键科学问题。     

The performance of KSC Fixation Tubes with RNALater for orbital experiments: A case study in ISS operations for molecular biology

Molecular biology experiments on the International Space Station (ISS) continue to face challenges of sample harvesting and sample return to earth for post flight analysis; however, the use of Kennedy Space Center Fixation Tubes filled with RNALater has proven to be a robust solution to many of these challenges. While it is clear that one direction of future spaceflight experimentation may be towards enhanced on-orbit analytical capabilities, the rapid progress of earth-bound analytical capacity dictates that facile return of molecular biology samples from the ISS will continue to be a mainstay of space life sciences research and flight operations. In this paper we present a case study of the successful performance of KFTs and RNALater over a broad set of operational conditions of ascent configuration, on-orbit experiment use, on-orbit storage and sample return configurations that are unique to ISS current operations and constraints. We also provide observations on performance limits and discuss deployment opportunities and scenarios that are consistent with continued successful ISS molecular biology experimentation.     

Improving orbit prediction accuracy through supervised machine learning

Due to the lack of information such as the space environment condition and resident space objects’ (RSOs’) body characteristics, current orbit predictions that are solely grounded on physics-based models may fail to achieve required accuracy for collision avoidance and have led to satellite collisions already. This paper presents a methodology to predict RSOs’ trajectories with higher accuracy than that of the current methods. Inspired by the machine learning (ML) theory through which the models are learned based on large amounts of observed data and the prediction is conducted without explicitly modeling space objects and space environment, the proposed ML approach integrates physics-based orbit prediction algorithms with a learning-based process that focuses on reducing the prediction errors. Using a simulation-based space catalog environment as the test bed, the paper demonstrates three types of generalization capability for the proposed ML approach: (1) the ML model can be used to improve the same RSO’s orbit information that is not available during the learning process but shares the same time interval as the training data; (2) the ML model can be used to improve predictions of the same RSO at future epochs; and (3) the ML model based on a RSO can be applied to other RSOs that share some common features.