空间飞行器实时仿真多体系统动力学建模

为了解决传统的多体系统动力学模型因必须显式表达多体系统的拓扑构型信息,使得所建数学模型非常复杂而不太适合空间任务级实时仿真的问题,针对具有中心体结构的空间飞行器,采用拟坐标拉格朗日方程推导出简洁的多体系统姿态动力学数学模型,并利用通用仿真平台建立了可实时运行的多体系统姿态动力学仿真模型.在仿真模型上施加测试用极限环控制律,模型输出正常的姿态动力学响应.仿真结果表明,所建模型在模型粒度和运行效率间取得了平衡,满足空间任务级仿真对模型逼真度和实时性的要求.     

固体推进剂燃烧残渣的粒度分析

介绍了几种推进剂燃烧后残渣粒度测试方法：包括显微镜法、沉降法和Ｃｏｕｌｔｅｒ计数法，并对关键的粒度测试技术进行了较为详细的阐述，同时附以实例说明。粒度分析对推进该燃烧性能的评价及两相流的流场计算具有重要的意义。     

预测AP/HTPB推进剂药浆粘度的经验模型

高固体含量推进剂药浆粘度的理论处理很困难,本文提出了预测AP/HTPB推进剂药浆粘度的经验模型,把药浆粘度跟体积分数C_1关联起来,得到如下方程:logηr=ao+∑a_iC_i+∑b_iC_i~2+Σc_iC_i~3再采用回归分析,求解出每个回归系数。借助该模型,可预测单级配、多级配AP/HTPB推进剂药浆粘度。使用布氏粘度计测定药浆粘度。同时研究了药浆粘度与固体含量、AP粒度比和混合比的关系。     

某型号发动机装药能量影响因素分析

利用某发动机验证了两种推进剂配方能量性能。通过测试数据研究发现，推进剂铝粉含量，试车条件，RDX含量，配方固体含量及氧平衡对某发动机装药测试比冲及比冲效率影响较大。     

基于STEP和改进神经网络的STEP-NC制造特征识别方法

特征识别是实施STEP-NC重要的一步，也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图。然后，将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。     

二茂铁功能化SBA-15的制备及其对AP／HTPB固体复合推进剂燃烧催化作用研究

二茂铁(Fc)及其衍生物是AP/HTPB固体复合推进剂的有效燃速催化剂,但在推进剂中的迁移始终是其应用的最大障碍。将二茂铁通过缩合反应接枝到介孔材料SBA-15的表面,制备了一种低迁移催化剂Fc-SBA-15。X射线衍射和N2吸附-脱附实验表明,Fc均匀致密地固定在了SBA-15的内外表面,Fc的负载没有对SBA-15的介孔结构造成破坏。改进的迁移性实验表明,制备的Fc-SBA-15复合材料是一种低迁移的催化剂。Fc-SBA-15对AP的热分解与AP/HTPB推进剂的燃烧具有较好的催化效果,添加2%的Fc-SBA-15使AP的高温热分解峰温度降低64℃,使AP/HTPB固体复合推进剂的燃速提高43%,压强指数下降30%。     

颗粒度对石英陶瓷天线罩工艺性能的影响

介绍石英陶瓷材料颗粒度配比对导弹天线罩强度和工艺性的影响，给出了颗粒研磨程度、添加干粉和不同研磨时间的胚料抗弯强度数据。同时指出：能满足强度的颗粒配比料方较多，而颗粒度对天线罩体的工艺性（浇柱、干燥、烧结等）有着明显影响，因此，应合理控制颗粒度配比，生产出强度和电性能满足设计要求的石英陶瓷天线罩。     

基于FPGA的动态可重配置方法研究

对FPGA应用的研究发现,随着FPGA门电路总数的增加,其内部布线的数目和复杂度随之增加,但是随着系统规模的增大,单芯片资源的利用率反而下降。在这种背景下,人们开始把注意力转移到FPGA逻辑资源的时分复用上来,对FPGA的逻辑资源进行动态重配置,以提高FPGA芯片的利用率。在对重配置技术的基本概念以及特征分类进行概要介绍的基础上,较为详细地介绍了四种基于FPGA的动态重配置方法,并针对重配置关键技术和发展趋势进行了探讨。     

聚集状态对固体火箭发动机颗粒粒度分布的影响

开展了聚集状态下颗粒的收集实验和粒度分析,研究了聚集度和压强对粒度分布的影响规律.聚集状态的颗粒利用收缩管装置产生,采用一种颗粒收集方法对颗粒进行收集,并冻结其形态,对收集到的颗粒采用激光粒度分析仪进行了粒度分析.研究结果表明,聚集状态下颗粒平均粒度比常规条件下大很多,分布范围也较常规条件下宽得多,粒度分布曲线呈双峰或多峰分布,主峰比重很大;颗粒聚集度增大,颗粒粒度平均值增大,大粒度颗粒比重增加;颗粒粒度随燃烧室压强增大而增大.     

一种混合粒度奇偶校验故障注入检测方法

为了实现高效的抗故障注入攻击,提出了一种混合粒度奇偶校验故障注入检测方法。传统奇偶校验检测方法为每n比特设置一个奇偶位,表示该n比特的奇偶性。随着n的减小,奇偶位个数增加,资源消耗增加,检测率提高。为了实现故障检测率和资源消耗的折中,对电路故障注入敏感部分或关键部分处理的数据采用细粒度奇偶校验（即n值较小）,对其他部分采用粗粒度奇偶校验。以RC5加密算法为例,阐述了混合粒度奇偶校验故障检测方法的原理和应用,并对不同粒度奇偶校验方法的故障检测率及资源使用进行了理论分析。实验结果表明,与整个RC5电路都采用字（n=32 bit）奇偶校验相比,混合粒度奇偶校验故障注入检测方法可以提高故障检测率29.44%,仅增加资源消耗2.48%。