摘要：针对带有执行器故障的航天器近距离操作系统,提出了基于多设计融合的自适应故障补偿方法,实现在发生执行器卡死故障情况下,对目标航天器的位置和姿态的跟踪。提出的故障补偿方法无需故障检测,针对每种可能的故障模式设计控制器组成多控制器集合,并有效地将它们融合后构建最终反馈控制器。仿真结果表明了该故障补偿策略的有效性,能够保证追踪航天器系统的稳定性和期望的跟踪性能。

摘要：菊花链结构键合凸点在三维封装领域具有广泛应用前景,其电迁移失效现象成为电子封装领域重点关注的问题。建立了球形及方形凸点互连模型,在电-热耦合场作用下,观察互连结构的电流密度分布及温度分布。发现在铝布线进出凸点的位置容易发生电流聚集现象,此处方形凸点电流密度较球形凸点低;方形凸点温度变化幅度较球形凸点低。此外,仿真分析了1mA~3mA输入电流及不同凸点尺寸对电迁移失效的影响。发现相同条件下,大尺寸方形凸点的电迁移可靠性高,为凸点结构设计提供了依据。

摘要：基于高冲击MEMS加速度传感器的冲击灵敏度、频率响应与敏感芯片的结构尺寸存在相互制约关系,提出在满足传感器结构强度和固有频率条件下,提高传感器冲击灵敏度的理论分析、仿真模拟与实验验证的方法;运用ANSYS软件对敏感芯片的弹性膜片厚度与中心岛厚度进行多次设计与仿真,通过多组仿真数据对传感器的结构尺寸进行优化;高冲击实验验证表明,优化的传感器结构尺寸、性能指标能够满足设计要求,冲击灵敏度较高。

摘要：在分析面阵CCD图像传感器结构和驱动时序基础上,针对高分辨率高灵敏度ICX694ALG大面阵CCD图像传感器,研究其驱动时序发生器;以现场可编程门阵列(FPGA)作为硬件平台,通过Verilog HDL硬件描述语言对该驱动时序发生器进行了硬件描述,采用ISE软件进行功能仿真,并针对XILINX公司的可编程逻辑器件XC3S1000进行了硬件适配;仿真测试表明,FPGA驱动时序发生器能够满足高分辨高灵敏ICX694ALG大面阵CCD图像传感器驱动要求,达到了设计要求。

摘要：本文引入ISM模型的工作原理,基于装备制造业产业链,纵向治理结构也呈现出从纵向一体化到纵向非一体化的演变趋势,建立装备制造业产业链纵向治理结构的影响因素指标体系,分析了装备制造业市场势力影响因素间的相互作用的内在机理,给出目前影响装备制造业产业链纵向治理结构的主要因素。

摘要：本文提出一种基于LTCC技术的高性能微型Wilkinson功率分配器的设计方法。从Wilkinson功分器的奇偶模阻抗理论出发,将功分器设计转化为在偶模下求解阻抗比为2:1的阻抗变换和在奇模下求解阻抗匹配的问题,采用LC阻抗变换节取代传统四分之一波长传输线,减小了功分器体积。通过ADS构建原理图并优化,运用HFSS进行拟合,最后通过LTCC工艺加工制造,实测曲线与HFSS仿真曲线吻合较好,在2.7GHz^3.0GHz的带宽内插入损耗小于3.2d B,隔离度大于20 d B,输入端口反射系数小于-20d B,尺寸仅为3.2mm×1.6mm×0.9 mm。

摘要：本文选择VHF(Very High Frequency,甚高频)波段设计此款带通滤波器。选用集总结构进行搭建工作,为保证其小型化的需求,选用了世界先进的LTCC(low temperature co-fired ceramics,低温共烧陶瓷)工艺技术并通过合理布局以期有效压缩产品体积。通过引入传输零点,有效提高阻带的陡峭度。在ADS软件上对等效电路模型进行仿真,再辅以三维电磁仿真软件HFSS搭建三维电感、电容模型,提取有效元件值进行拟合优化,最终达成预定技术指标。本款滤波器中心频率为110MHz,带宽为50MHz,30MHz到70MHz和160MHz到200MHz处的衰减均优于20d B,驻波优于1.6。产品尺寸为5mm×8mm×2.3mm。

摘要：针对设备运动加减速过程中存在加速度不平滑和在某些特殊条件下计算不够灵活等问题,提出以一种优化后的新型加减速规划算法为计算理论,以时间分割思想为基础,采用以路径误差为核心、细分路径过程的方式来进行插补运算。在运动段过程中按照约束速度的要求将路径与时间进行例化细分,通过控制例化插补点的方式来实现每一步的实际输出速度与期望速度相一致,从而实现规划约束中速度与加速度的连续性与平滑性。研究分析了例化公式的推导过程,给出了实现例化优化算法的设计步骤。MATLAB实验仿真结果表示:例化优化算法在实际约束条件下计算更具有灵活性,能满足任意条件下的计算需要,并在计算输出结果中显示能以平滑连续的速度与加速度更快地响应达到期望速度。

摘要：基于力导向模型的网络布局算法由于其布局结果直观并且便于分析,所以在网络可视化中占有举足轻重的地位;但是当前的网络布局算法在面对大规模网络数据的时候通常不容易在较短时间内获取一个高质量的布局结果;文中提出了一个基于PageRank的力导向模型的算法;该算法引入了PageRank来完善节点的重力和斥力计算以改善布局质量;并且引入节点中心性来预估初始布局中节点的位置;同时,又提出了基于PageRank的自适应步长用来平衡布局的效率和质量;最后为了有效地减少布局算法在面对大规模网络数据时的计算时间,文中设计了一个基于CUDA的灵活的CPU+GPU异构并行计算框架;通过对不同类型和不同规模的网络数据集的实验,该算法能够产出一个符合美学标准的高质量布局,并且在同样的硬件条件下,文中所提出的优化方案相比于原始算法速度最大提高了58倍。