【摘 要】
：
围绕空间光学望远镜在轨建造中的结构机构技术进行分析,重点包括结构机构相关的关键技术基本概念和技术特点,分别对大型望远镜空间结构拓扑构型优化及模块技术、光机结构机构的高精度展开调整及锁合技术、典型光机元件的在轨增材制造技术、机器人辅助自主精密装配及控制技术进行了技术内涵及先进技术途径分析.最后展望了在轨建造中结构机构技术的发展趋势及需要研究的一些技术问题,旨在为空间光学望远镜的发展提供参考.
【机 构】
：
南京航空航天大学航天学院,南京211106;北京空间机电研究所,北京100094;南京航空航天大学航天学院,南京211106;北京空间机电研究所,北京100094
论文部分内容阅读
围绕空间光学望远镜在轨建造中的结构机构技术进行分析,重点包括结构机构相关的关键技术基本概念和技术特点,分别对大型望远镜空间结构拓扑构型优化及模块技术、光机结构机构的高精度展开调整及锁合技术、典型光机元件的在轨增材制造技术、机器人辅助自主精密装配及控制技术进行了技术内涵及先进技术途径分析.最后展望了在轨建造中结构机构技术的发展趋势及需要研究的一些技术问题,旨在为空间光学望远镜的发展提供参考.
其他文献
随着新能源汽车销量的快速增长,汽车电子化率日益提高,而作为其典型的动力提供者的储能电池包,关系着整车性能和安全性.如何根据实际应用场景和使用情况,确定电池包的性能、安全、电磁兼容性技术指标,已成为电池生产、研发、检测以及用户共同关注的重要内容之一.本文分析了锂离子储能电池的结构、工作原理以及所应达到的技术指标,为研发、检测和标准制定提供参考.
近年来,随着人工智能技术的发展,卷积神经网络(CNN)作为深度学习技术中的常用算法,在计算机视觉、语音识别及自然语言处理等诸多领域得到了广泛的应用.可编程门阵列(FPGA)因其高并行度和高灵活性等优势常被用于CNN的加速.基于此,本文对高性能CNN加速器的设计进行研究.文中采用DSP的级联、卷积核数据的“乒-乓”结构,以及多通道并行、特征图及卷积核数据的复用等方法,以期在资源受限的FPGA平台中为CNN的计算提供高性能加速.实验结果显示,本文的设计方法使用了较少的LUT资源,在Virtex7 VX690T
工业互联网安全事关国计民生.本文分析了工业互联网安全现状及面临的挑战、工业互联网平台建设存在的问题,并对安全态势感知技术进行了综述;结合实践,介绍了工业互联网安全态势感知平台的建设思路,包括安全引擎层、安全中台和业务系统层建设.利用态势感知技术形成具备工业控制特色的安全态势感知平台,可以有效保障工业互联网安全.
本文提出了一种基于深度学习的偏微分方程求解方法.该方法把偏微分方程的解看作函数变量关于自变量的非线性关系,利用深度神经网络表达该非线性关系,其不断逼近原偏微分方程解的过程是无约束最优化问题,可借助拟牛顿算法L-BFGS来求解.针对三种典型的偏微分方程,使用有限差分格式和本文方法分别求解,结果对比表明,本文方法计算精度较好,不会引入人工粘性,且具有普适性.此外,本文研究了神经网络隐藏层层数和每层神经元个数对计算精度的影响.
近年来,多个城市的地铁车站路都尝试采用了装配式技术,BIM与装配式技术在设计施工的精细化、标准化和全面协同等方面相辅相成.本文以长春市城市轨道交通2号线工程汽车公园站为例,以Revit软件为BIM设计平台,详细说明了装配式车站观光电梯的BIM设计过程.BIM与装配式技术的深度融合有利于轨道交通工程建设的数字化和智能化发展.
目前的智能网联汽车测试评价中缺乏针对现场测试环境和车辆本身的交互数据,如车辆在现场驾驶环境中的相对位置、行驶轨迹等相关的基于位置的交互型动态数据.高精度定位服务近几年来也越来越受到业界关注.本文介绍了基于差分定位的LBS服务在智能网联汽车测试评价中的应用,针对存在的误差因素,引入GNSS/IMU的组合惯性导航的方法并结合非线性自回归网络(NARX)神经网络算法对其进行优化,保证了在实际应用过程中定位数据的精确性和连续性.
大型分布式系统采用的高并发解决方案不适用部署在单服务器上的中小型Web应用,而通过集群等方式处理高并发流量的方案成本过高.本文针对单服务器的网络应用提出了一种适用的流量控制方案,即结合缓存、消息队列、不可重入锁的网络流量高并发优化处理算法方案.测试结果显示,本方案使Web应用系统较传统数据库操作数据方法的处理能力和效率有明显提升,支持并发较高时的同时访问与同步数据处理,提升系统的并发性和吞吐量,同时保证系统的可用性.
以动平台飞行器集群为对象,剖析集群协同定位与导航对抗技术内涵,分析技术现状,提炼技术难点,展望技术发展趋势,为未来中国飞行器集群自主时空基准体系构建及导航对抗提供新思路.
概述了各类电推进的加速技术及基本原理,总结了现有加速技术的优缺点,介绍了加速技术的发展趋势或国内外最新加速技术.在此基础上,对电推进加速技术的下一步发展进行了展望,以期为中国电推进的发展、新型电推进技术的研发提供参考,促进空间推进技术的进一步发展.
竖排版繁体中文图像文本化问题可以看作是古籍图像中文字的定位和识别问题,但目前主流的OCR技术对古籍文献中竖排版繁体中文的识别精度不高.为了解决此问题,本文将深度学习应用于文字识别和定位中.首先基于SSD模型,运用目标检测算法从古籍文献图像中定位文字;然后构建了Inception-Resnet卷积神经网络进行文字识别.测试表明,在同样数据集的条件下,针对不同版式、大小和字体的古籍文献图像,与其他经典神经网络模型相比,本文模型的性能和综合适用性更好.