武器装备研发项目中评估体系研究

武器装备研发项目中评估对项目管理具有重要意义。在对武器装备研发项目中评估的基本要素进行分析的基础上,依据指标体系设计的原则,建立了武器装备研发项目中评估指标体系。提出了基于三维结构的中评估模型,并对单项评估和综合评估模型可采用的方法进行了分析。最后,对其辅助评估决策支持系统结构进行了初步设计。     

三种典型湿度标准器性能参数对比分析

选取DHT-2000型高精度温湿度测试仪、VaisalaHMP233温湿度仪和Syinyei S-1型露点仪三种典型的湿度标准设备,利用湿度检定箱对比分析了在30%-90%RH的湿度区间,三者测湿性能参数的差异。结果表明：DHT-2000型高精度温湿度测试仪与露点仪的测量精度相对较高,响应时间短,重复性较好。在取样湿度较高时,露点仪对环境要求较高,复现性相对较差。     

基于神经网络的战时装备维修保障能力评估

介绍了神经网络的概念,阐述了BP神经网络的基本原理与方法,在系统分析战时装备维修保障系统的基础上构建了战时装备维修保障系统能力评估指标,设计了BP神经网络模型,通过Matlab仿真软件对结果进行计算分析表明,BP神经网络具有很强的解决非线性问题能力,适用于战时装备维修保障能力评估。     

热管在典型密封电子设备热设计中的应用

典型密封电子设备的主要特征是热流密度大,对散热组件的重量和空间有严格限制,热管的特点比较适合这样的环境,运用仿真软件验证了热管散热技术的良好环境适应性。     

基于产品结构的航天器AIT过程多维数据管理系统

文章为解决航天器AIT过程中数据集成度低、数据应用不佳等问题,从数据模型构建、数据集成等方向出发,分析了AIT过程数据在产品结构、时间周期、阶段型号3个维度的演变过程,构建了多维数据模型,并开发基于产品结构的多维数据管理系统。该系统以产品结构为核心,对AIT过程数据进行重新组织,定义不同系统间、不同维度数据之间的关联关系,实现了AIT过程全数据的结构化整合,在此基础上生成了AIT过程数据包。     

模块化核动力航天器设计及其关键技术

为提高核动力航天器关键技术的可继承性与可扩展性,缩短核动力航天器研发周期,降低研发成本,本文通过总结国外核动力航天器发展现状,梳理核动力航天器研制特点,结合模块化航天器概念及设计原则,首次提出模块化核动力航天器概念。将核动力航天器分为核电源模块、平台中心模块、载荷模块3大独立模块,并针对体系架构设计提出3层建设方案,针对模块化核动力航天器梳理关键技术难点,为后续项目研究提供应用参考。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

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。     

欠驱动航天器姿态稳定的分层滑模控制器设计

利用分层滑模控制方法,为带两个控制执行机构的欠驱动刚体航天器的姿态控制系统设计了一种三轴稳定控制器。首先,给出了基于两个推力器的欠驱动航天器的姿态动力学和运动学模型,分析了其模型特点。其次,将子系统的变量进行组合定义成第一层滑模面,利用Filippov等效定理求出等效控制律。然后依次构造出第二层滑模面及第三层滑模面,根据滑模控制原理求出切换控制律,进而得到总的控制量。利用Lyapunov稳定性理论和Barbalat引理及推论证明了各层滑模面的全局渐近稳定性。仿真实验验证了该控制方法的有效性。     

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。