浅谈标准宣贯的作用及组织管理

从提高产品质量、推动企业技术进步和利于科研生产工作协调等 3个方面阐述了进行标准宣贯的意义与作用 ,介绍了三江集团公司宣贯标准的几种形式及组织管理程序     

机载SAR反投影图像自聚焦处理方法

反投影算法(BPA)是一种经典的时间域合成孔径雷达(SAR)成像处理方法。BPA对回波数据插值累加得到图像,运动误差导致的目标散焦沿不同的倾斜角度存在,无法直接应用现有的自聚焦算法。为此,提出了一种新颖的BPA图像运动补偿方案。基于反投影数据运动相位误差和距离徙动分析,研究了修正投影栅格成像,从而去除重建图像中目标散焦方向的空变特性。在中低分辨率配置下,重建SAR图像能够直接应用相位梯度自聚焦(PGA)等进行运动补偿。点目标仿真实验和实测数据结果验证了该算法的有效性。     

高速撞击梯度电势靶板产生等离子体诱发的放电

针对在轨运行航天器在空间等离子体环境和空间带电粒子活动下诱发航天器表面梯度电势存在的客观现实,航天器在空间碎片的撞击下会诱发表面带电或深层电介质带电的航天器放电。为了在实验室模拟航天器表面存在电势差的真实情况,采用对航天器外表面分割的方法,在分割的表面间预留不同间距且在2靶板间加装电阻的方法创造具有梯度电势的高电势2A12铝板作为靶板。利用自行构建的梯度电势靶板的充放电测试系统、超高速相机采集系统和二级轻气炮加载系统,开展高速撞击梯度电势2A12铝靶的实验室实验。实验中,弹丸以入射角度为60°（弹道与靶板平面的夹角）、撞击速度约为3 km/s的条件撞击间距分别为2、3、4和5 mm的2A12铝高电势靶板,利用电流探针和电压探针采集放电电流和放电电压。实验结果表明:放电产生的等离子体形成了高电势与低电势靶板间的放电通道,且在梯度电势靶板间距分别为2、3 mm时诱发了一次放电,放电电流随高低电势靶板间间距的增加而减小;在梯度电势靶板间距分别为4、5 mm时诱发了二次放电,放电电流随高低电势靶板间间距的增加变化不明显。      

重力梯度测量卫星无拖曳控制技术

无拖曳控制是当前和未来若干空间任务中的一项关键技术．以重力梯度测量卫星为对象,对无拖曳控制回路进行深入剖析,包括对静电引力梯度仪、离子推力器和空间环境的模型与建模方法及无拖曳控制律设计方法的综述．借鉴GOCE卫星(gravity field and steady state ocean circulation explorer)的成功经验并结合国内离子推力器和静电悬浮加速度计的研制现状,对未来发展我国重力梯度测量卫星无拖曳控制进行难点分析与展望．     

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。     

一种航天器磁特征全息成像方法

为准确描述和评估航天器的磁特性,建立航天器网格化磁模型,提出航天器磁场信息成像方法.利用立体阵列扫描系统,对航天器测量面的磁场信息进行采集和计算,联合磁梯度张量的模量极值和欧拉反演法确定其内部磁源的水平位置和深度,实现航天器内部、探测面和空间磁信息的可视化分析和展示.航天器模型(格距10 cm)三点磁源试验和计算结果显...     

功能梯度材料夹芯板的后屈曲

基于Reddy高阶剪切理论及Von-Karman大挠度理论,针对以功能梯度材料为面材的夹芯板的后屈曲行为进行了研究,数值算例给出了完善、非完善功能梯度材料夹芯板的后屈曲荷载-挠度曲线以及后屈曲荷载-端部缩短曲线。讨论了初始几何缺陷、材料组分指数、温度相关性、面内边界约束条件等各参数变化所带来的影响。     

基于等参梯度单元的功能梯度材料结构分析

为了解决功能梯度材料非均质特征引起的特殊力学行为的模拟仿真技术难题,本文基于有限元基本理论框架,将材料梯度引入形函数,对单元刚度矩阵进行改写,发展了平面四节点与八节点等参梯度单元,并采用高斯积分数值处理方法,基于ABAQUS平台开发了等参梯度单元UEL(User?defined element)子程序,建立了功能梯度材...     

基于长短期记忆网络与轻梯度提升机的航空发动机大修期内剩余寿命预测

针对航空发动机大修期内由性能主导的剩余使用寿命预测中复杂设备具有状态变量多、非线性特征严重的特点以及单 一模型面临特征提取不充分、预测精度不足等问题,提出一种长短期记忆网络（LSTM）与轻梯度提升机（LightGBM）的组合新模型 方法进行大修期内剩余使用寿命（RUL）预测。通过LSTM对原始数据进行特征提取,将LSTM的输出门中特征提取后的数据作为 LightGBM模型的输入进行RUL预测。利用NASA提供的发动机实测数据集进行了仿真试验,实现了对单个发动机的RUL预测, 并与其他6种模型预测结果进行对比,对其预测剩余使用寿命的有效性进行验证。结果表明：LSTM和LightGBM组合模型比其他 模型的预测误差显著减小,其4组数据集均方根误差仅为12.45、20.23、12.58、21.75。