一种面向有限元模型极微小变参的收敛与迭代优化算法的制作方法

1.本发明属于系统优化算法技术领域，具体涉及一种面向有限元模型极微小变参的收敛与迭代优化算法。


背景技术：

2.在飞行器复杂光/机/电系统的优化设计过程中，存在诸多限制因素，比如机械尺寸、装配精度、电匹配性、光学特性等都会对优化结果产生影响，这些参数的处理多数为非线性问题，求解过程较为复杂，特别是涉及跨专业的系统集成问题，很难通过传统的优化算法直接获得全局最优解，这些关键参数的优化问题就成为复杂系统优化设计阶段的重点研究内容。
3.飞行器复杂系统的优化设计过程是一个多环节、高阶、全局的迭代过程，特别是涉及光/机/电敏感组部件精度的多学科优化问题，存在模型表征困难、变量前进步长极微小、迭代次数多、易发散等问题。目前，通常以结构有限元模型为基础，光学/电气模型为响应输出项，选取环境变量、关键机械特征等为待优化参量，采用优化算法架构下建立多学科联合仿真迭代求解的方式，解决复杂光/机/电系统的优化设计问题。
4.从算法角度，此类优化设计过程通常会涉及对目标函数的数值求导，比如梯度相关的优化算法，需要通过给设计变量一个较小的增量δx来计算响应变量增量δy的方式求解该设计变量的偏导数，针对有限元模型参与的目标函数，其求导过程通常面临以下两种问题，从而导致优化方向错误或无法进行。第一，响应变量对有限元模型中的参数变量不敏感，设计变量的增量δx过小时，响应变量增量δy＝0，这种情况下，优化算法会认为该变量的偏导数为0，但实际情况是由于有限元模型本身的建模与求解精度导致的。第二，有限元仿真模型对设计变量的要求过于严格，设计变量的微小变化可能会导致模型无法收敛，响应结果发散，比如设计变量为1.01时无法计算，但1.009和1.011时均比较正常，这是有限元分析中常常遇到的问题，而一味追求模型质量又会损失计算效率，导致复杂系统的多轮次全局优化迭代过程无法执行。因此，目前针对复杂系统在包含有限元局部精细模型的优化算法存在响应变量对参数变量不敏感以及响应结果易发散的问题。


技术实现要素：

5.本发明的目的是提供一种面向有限元模型极微小变参的收敛与迭代优化算法，以解决目前针对复杂系统在包含有限元局部精细模型的优化算法存在响应变量对参数变量不敏感以及响应结果易发散的问题。
6.为实现上述目的，本发明采用如下技术方案：
7.一方面，本说明书提供一种面向有限元模型极微小变参的收敛与迭代优化算法，包括：
8.步骤102，基于预设设计变量增量和目标函数，获得响应变量增量；
9.步骤104，判断所述响应变量是否等于0或者无解，若是，则基于所述预设设计变量
增量获得新响应变量增量；
10.步骤106，基于所述新响应变量增量，计算对应的迭代方向或结束迭代。
11.另一方面，本说明书提供一种面向有限元模型极微小变参的收敛与迭代优化装置，包括：
12.计算模块，用于基于预设设计变量增量和目标函数，获得响应变量增量；
13.调整模块，用于判断所述响应变量是否等于0或者无解，若是，则基于所述预设设计变量增量获得新响应变量增量；
14.判断模块，用于基于所述新响应变量增量，计算对应的迭代方向或结束迭代。
15.基于上述技术方案，本说明书能够获得如下技术效果：
16.本方法通过在优化过程中遇到局部最优程序无法继续执行的问题时，即计算获得的响应变量等于0时，在算法中自动激活多方向步进的尝试策略，即等于0时不结束迭代而是根据预设步进值获得新设计变量增量和对应的响应变量增量，直至找到全局最优解；当遇到小步长计算不收敛的问题时，即计算获得的响应变量无解时，不报错退出而是启动试错性调整的程序，也是另一预设步进值获得新设计变量增量和对应的响应变量增量，避免由于有限元模型质量不高而导致系统优化无法执行或迭代的问题，从而目前针对复杂系统在包含有限元局部精细模型的优化算法存在响应变量对参数变量不敏感以及响应结果易发散的问题。
附图说明
17.图1是本发明一实施例中一种面向有限元模型极微小变参的收敛与迭代优化算法的流程示意图。
18.图2是本发明一实施例中一种面向有限元模型极微小变参的收敛与迭代优化算法中改进的数值求导流程的流程示意图。
19.图3是本发明一实施例中一种面向有限元模型极微小变参的收敛与迭代优化装置的结构示意图。
20.图4是本发明一实施例中一种电子设备的结构示意图。
具体实施方式
21.以下结合附图和具体实施例对本发明作进一步详细说明，根据下面说明和权利要求书，本发明的优点和特征将更清楚。需要说明的是，附图均采用非常简化的形式且均适用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
22.需要说明的是，为了清楚地说明本发明的内容，本发明特举多个实施例以进一步阐释本发明的不同实现方式，其中，该多个实施例是列举式而非穷举式。此外，为了说明的简洁，前实施例中已提及的内容往往在后实施例中予以省略，因此，后实施例中未提及的内容可相应参考前实施例。
23.实施例1
24.本实施例中，
25.请参照图1，图1所示为本实施例提供的一种面向有限元模型极微小变参的收敛与迭代优化算法。本实施例中，该方法包括：
26.步骤102，基于预设设计变量增量和目标函数，获得响应变量增量；
27.步骤104，判断上述响应变量是否等于0或者无解，若是，则基于上述预设设计变量增量获得新响应变量增量；
28.步骤106，基于上述新响应变量增量，计算对应的迭代方向或结束迭代。
29.本实施例中，一种具体实施方式为：
30.具体地，用户可自定义设计变量增量，即获得预设设计变量增量，然后在根据目标函数，获得对应的响应变量增量。例如，用户可自定义设计变量增量δx，基于该增量计算响应变量增量δf。
31.首先，判断上述响应变量是否等于0，若是，则基于上述预设设计变量增量和第一预设增量步进值，获得第一响应变量增量和第二响应变量增量，并基于上述第一响应变量增量和第二响应变量增量获得第一新响应变量增量；
32.本实施例中，上述基于上述预设设计变量增量和第一预设增量步进值，获得第一响应变量增量和第二响应变量增量的步骤包括：
33.基于上述预设设计变量增量和第一预设增量步进值，获得第一设计变量增量和第二设计变量增量，上述第一设计变量增量和上述第二设计变量增量的平均值为上述预设设计变量增量；
34.基于上述第一设计变量增量、上述第二设计变量增量和上述目标函数，获得对应的第一响应变量增量和第二响应变量增量。
35.本实施例中，上述基于上述第一响应变量增量和第二响应变量增量获得第一新响应变量增量的步骤包括：
36.计算上述第一响应变量增量与上述第二响应变量增量的乘积；
37.判断上述乘积与0的大小关系，若上述乘积大于0，则上述第一新响应变量增量等于0；若上述乘积小于0，则上述第一新响应变量增量为上述第一响应变量增量和上述第二响应变量增量中的最小值；若上述乘积等于0，则上述第一新响应变量增量不等于0。
38.在此需要说明的是，本实施例提供了一种具有自动调整能力的数值求导方法，并将该方法与传统的优化算法相结合，形成了一种新的适用于包含有限元模型的复杂系统场景的全局优化算法。具体方法是在传统优化算法中，对其求导子程序进行修改或替换，本专利以梯度法中的最速下降法为基础，对其求导过程进行修改，最速下降法的算法结构可以描述如下：选定初始点x0；迭代公式为x
k+1
＝xk+α
kdk
，其中αk和dk分别为第k次迭代步长和迭代方向，dk的求解需要对目标函数进行求导，如下：
[0039][0040]
在传统优化算法中，dk的求解是给设计变量一个极小的增量，通常为1e-6，然后调用目标函数计算效应变量的增量δf，最终求解dk。当δf为零时，即停止迭代，并得出当前最优解；当δf无法求解时，报错退出。以上两种情况均将导致结构-光学联合仿真优化设计的失败。本专利重新构建了dk的求解程序，通过多次迭代的方式对以上情况完成了改善。
[0041]
具体地，当计算出的响应变量等于0时，不停止迭代，即当前解不一定是全局最优解，所以通过在算法中自动激活多方向步进的尝试策略找到全局最优解，即在预设设计变量增量上加减第一预设步进值，由此获得对应的第一设计变量增量和第二设计变量增量，
再根据目标函数，获得对应的第一响应变量增量和第二响应变量增量，且第一设计变量增量和上述第二设计变量增量的平均值为上述预设设计变量增量，然后通过对第一响应变量增量和第二响应变量增量的乘积的值进行判定，返回不同情况下的第一新响应变量增量。例如，如图2，当δf等于0时，进一步计算δx+αδx和δx-αδx，分别得到δf-和δf
+
。其中α可由用户根据分析对象进行定义。
[0042]
如果δf-×
δf
+
＜0，返回δf＝0；
[0043]
如果δf-×
δf
+
》0，返回min{δf-，δf
+
}；
[0044]
如果δf-×
δf
+
＝0，返回非零的δf。
[0045]
若上述第一新响应变量增量不等于0，则计算对应的迭代方向；若上述第一新响应变量增量等于0，则结束迭代。
[0046]
基于此，本实施例通过提供在响应变量增量等于0，即遇到局部最优程序无法继续执行的问题时，自动激活多方向步进尝试策略，从而解决响应变量对有限元模型中的参数变量不敏感，设计变量的增量δx过小时，响应变量增量δy＝0，优化算法会认为该变量的偏导数为0，但实际情况是由于有限元模型本身的建模与求解精度导致的问题，从而解决参数变量不敏感的问题。
[0047]
其次，判断上述响应变量是否无解，若是，则基于上述预设设计变量增量和第二预设增量步进值，获得第二新响应变量增量。
[0048]
在上述预设设计变量增量上叠加上述第二预设增量步进值，获得第三设计变量增量；
[0049]
基于上述第三设计变量增量，获得第二新响应变量增量。
[0050]
具体地，当上述响应变量无解时，即遇到小步长计算不收敛时，启动是试错性调整程序，即通过不断在预设设计变量增量上叠加第二预设增量步进值，获得第三设计变量增量和对应的第二新响应变量增量，再判断叠加后获得的第二新响应变量增量是否无解，若还是无解，则继续在第三设计变量增量叠加第二预设增量步进值，再次计算获得的第二新响应变量增量，然后再进行判断，直至叠加后获得的第二新响应变量增量有解或者达到预设次数。例如，如图2所示，当δf无解时，通过不断叠加βδx，直至δf有解或达到限定次数n，如果迭代n次后仍无解，可认为优化失败，其中β和n同样可由用户进行调整。
[0051]
基于此，本实施例提供在响应变量无解，即遇到小步长计算不收敛的问题时，启动试错性调整的程序，从而解决当有限元仿真模型对设计变量的要求过于严格，设计变量的微小变化可能会导致模型无法收敛，响应结果发散，比如设计变量为1.01时无法计算，但1.009和1.011时均比较正常，这是有限元分析中常常遇到的问题，而一味追求模型质量又会损失计算效率，导致复杂系统的多轮次全局优化迭代过程无法执行的问题，从而克服响应结果易发散的问题。
[0052]
综上，本方法通过在优化过程中遇到局部最优程序无法继续执行的问题时，即计算获得的响应变量等于0时，在算法中自动激活多方向步进的尝试策略，即等于0时不结束迭代而是根据预设步进值获得新设计变量增量和对应的响应变量增量，直至找到全局最优解；当遇到小步长计算不收敛的问题时，即计算获得的响应变量无解时，不报错退出而是启动试错性调整的程序，也是另一预设步进值获得新设计变量增量和对应的响应变量增量，避免由于有限元模型质量不高而导致系统优化无法执行或迭代的问题，从而目前针对复杂
系统在包含有限元局部精细模型的优化算法存在响应变量对参数变量不敏感以及响应结果易发散的问题。
[0053]
实施例2
[0054]
本实施例在实施例1的基础上提供一种面向有限元模型极微小变参的收敛与迭代优化算法，包括：
[0055]
第一步：构建机光电联合仿真模型的参数化模型
[0056]
1)基于有限元软件(如abaqus、ansys等)，结合实际工况条件建立结构仿真模型，基于光学分析软件(如code v等)，结合光源特性、成像路径等构建光学分析模型，基于电气设计、分析软件(如e3等)，搭建电气性能仿真模型。
[0057]
2)建立联合仿真流程，通过编写脚本定义各模型直接数据输入、输出关系及仿真顺序，实现结构-光学-电气的数据映射，获取优化目标的响应特征。
[0058]
3)分别提取各模型中的关键参数，并对其中的有限元模型进行参数化处理，完成初始数据集的参数化建模，为后续工作做准备。
[0059]
第二步∶构建优化设计模型
[0060]
以机光电联合仿真模型的参数化模型为目标函数，明确并定义各设计变量的设计范围，明确响应变量并定义优化目标。
[0061]
基于分析对象选择合适的优化参数，包括改进后的数值求导过程中涉及的增量α和增量β，迭代次数n以及收敛残差等优化参数。
[0062]
第三步：求解迭代方向
[0063]
针对任意一次迭代，基于上述描述的改进数值求导流程，求解第k次的迭代方向dk。
[0064]
第四步：求解迭代步长
[0065]
针对任意一次迭代，基于传统优化设计算法求解第k次的迭代步长αk[0066]
第五步：迭代设计直至收敛
[0067]
基于机光电联合仿真模型的参数化模型，将x
k+1
＝xk+α
kdk
作为第k次迭代的输入变量，并计算其响应，结合传统优化设计算法对其收敛状态进行判断并驱动下一次的迭代计算。
[0068]
基于此，本实施例通过将上述描述的改进数值求导流程结合到飞行器复杂光/机/电系统的优化设计过程中，在实际操作中解决了解决参数变量不敏感、响应结果易发散的问题，使优化算法适用于包含有限元模型的复杂系统全局优化场景。
[0069]
实施例3
[0070]
请参照图3，本实施例提供一种面向有限元模型极微小变参的收敛与迭代优化装置，包括：
[0071]
计算模块，用于基于预设设计变量增量和目标函数，获得响应变量增量；
[0072]
调整模块，用于判断上述响应变量是否等于0或者无解，若是，则基于上述预设设计变量增量获得新响应变量增量；
[0073]
判断模块，用于基于上述新响应变量增量，计算对应的迭代方向或结束迭代。
[0074]
可选的，上述调整模块包括：
[0075]
全局最优单元，用于判断上述响应变量是否等于0，若是，则基于上述预设设计变
量增量和第一预设增量步进值，获得第一响应变量增量和第二响应变量增量，并基于上述第一响应变量增量和第二响应变量增量获得第一新响应变量增量；
[0076]
计算收敛单元，用于判断上述响应变量是否无解，若是，则基于上述预设设计变量增量和第二预设增量步进值，获得第二新响应变量增量。
[0077]
可选的，上述全局最优单元包括：
[0078]
乘积计算子单元，用于计算上述第一响应变量增量与上述第二响应变量增量的乘积；
[0079]
第一新响应变量增量获取子单元，用于判断上述乘积与0的大小关系，若上述乘积大于0，则上述第一新响应变量增量等于0；若上述乘积小于0，则上述第一新响应变量增量为上述第一响应变量增量和上述第二响应变量增量中的最小值；若上述乘积等于0，则上述第一新响应变量增量不等于0。
[0080]
第一判断子单元，用于若上述第一新响应变量增量不等于0，则计算对应的迭代方向；若上述第一新响应变量增量等于0，则结束迭代。
[0081]
可选的，上述计算收敛单元包括：
[0082]
叠加子单元，用于在上述预设设计变量增量上叠加上述第二预设增量步进值，获得第三设计变量增量；
[0083]
第二新响应变量增量获取子单元，用于基于上述第三设计变量增量，获得第二新响应变量增量。
[0084]
第二判断子单元，用于若上述第二新响应变量增量有解，则计算对应的迭代方向；
[0085]
迭代子单元，用于若上述第二新响应变量增量无解，则在上述第三设计变量增量上继续叠加上述第二预设增量步进值，直至计算出的第二新响应变量增量有解或者叠加次数大于预设次数。
[0086]
基于此，本装置通过在优化过程中遇到局部最优程序无法继续执行的问题时，即计算获得的响应变量等于0时，在算法中自动激活多方向步进的尝试策略，即等于0时不结束迭代而是根据预设步进值获得新设计变量增量和对应的响应变量增量，直至找到全局最优解；当遇到小步长计算不收敛的问题时，即计算获得的响应变量无解时，不报错退出而是启动试错性调整的程序，也是另一预设步进值获得新设计变量增量和对应的响应变量增量，避免由于有限元模型质量不高而导致系统优化无法执行或迭代的问题，从而目前针对复杂系统在包含有限元局部精细模型的优化算法存在响应变量对参数变量不敏感以及响应结果易发散的问题。
[0087]
实施例4
[0088]
请参照图4，本实施例提供一种电子设备，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成一种面向有限元模型极微小变参的收敛与迭代优化算法。当然，除了软件实现方式外，本说明书并不排除其他实现方式，比如逻辑器件亦或软硬件结合的方式等等，也就是以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
[0089]
网络接口、处理器和存储器可以通过总线系统相互连接。上述总线可以分为地址总线、数据总线、控制总线等。
[0090]
存储器用于存放程序。具体地，程序可以包括程序代码，上述程序代码包括计算机操作指令。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。
[0091]
处理器，用于执行上述存储器存放的程序，并具体执行：
[0092]
步骤102，基于预设设计变量增量和目标函数，获得响应变量增量；
[0093]
步骤104，判断上述响应变量是否等于0或者无解，若是，则基于上述预设设计变量增量获得新响应变量增量；
[0094]
步骤106，基于上述新响应变量增量，计算对应的迭代方向或结束迭代。
[0095]
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器的硬件的集成逻辑电路或者软件形式的指令完成。
[0096]
基于同样的发明创造，本说明书实施例还提供一种计算机可读存储介质，上述计算机可读存储介质存储一个或多个程序，上述一个或多个程序当被包括多个应用程序的电子设备执行时，使得上述电子设备执行图1至图2对应的实施例提供的一种面向有限元模型极微小变参的收敛与迭代优化算法。
[0097]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或者结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质上实施的计算机程序产品的形式。
[0098]
另外，对于上述装置具体实施方式而言，由于其与方法实施方式基本相似，所以描述的比较简单，相关之处参见方法实施方式的部分说明即可。而且，应当注意的是，在本技术的系统的各个模块中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本技术不受限于此，可以根据需要对各个部件进行重新划分或者组合。
[0099]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例之间的不同之处。
[0100]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或者步骤可以按照不同于实施例中的顺序来执行并且依然可以实现期望的结果。另外，在附图描绘的过程中不一定要求示出的特定顺序或者连续顺序才能实现期望的结果，在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0101]
以上上述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种面向有限元模型极微小变参的收敛与迭代优化算法，其特征在于，包括：基于预设设计变量增量和目标函数，获得响应变量增量；判断所述响应变量是否等于0或者无解，若是，则基于所述预设设计变量增量获得新响应变量增量；基于所述新响应变量增量，计算对应的迭代方向或结束迭代。2.根据权利要求1所述的方法，其特征在于，所述判断所述响应变量是否等于0或者无解，若是，则基于所述预设设计变量增量获得新响应变量增量的步骤包括：判断所述响应变量是否等于0，若是，则基于所述预设设计变量增量和第一预设增量步进值，获得第一响应变量增量和第二响应变量增量，并基于所述第一响应变量增量和第二响应变量增量获得第一新响应变量增量；判断所述响应变量是否无解，若是，则基于所述预设设计变量增量和第二预设增量步进值，获得第二新响应变量增量。3.根据权利要求2所述的方法，其特征在于，所述基于所述预设设计变量增量和第一预设增量步进值，获得第一响应变量增量和第二响应变量增量的步骤包括：基于所述预设设计变量增量和第一预设增量步进值，获得第一设计变量增量和第二设计变量增量，所述第一设计变量增量和所述第二设计变量增量的平均值为所述预设设计变量增量；基于所述第一设计变量增量、所述第二设计变量增量和所述目标函数，获得对应的第一响应变量增量和第二响应变量增量。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一响应变量增量和第二响应变量增量获得第一新响应变量增量的步骤包括：计算所述第一响应变量增量与所述第二响应变量增量的乘积；判断所述乘积与0的大小关系，若所述乘积大于0，则所述第一新响应变量增量等于0；若所述乘积小于0，则所述第一新响应变量增量为所述第一响应变量增量和所述第二响应变量增量中的最小值；若所述乘积等于0，则所述第一新响应变量增量不等于0。5.根据权利要求4所述的方法，其特征在于，所述基于所述新响应变量增量，计算对应的迭代方向或结束迭代的步骤包括：若所述第一新响应变量增量不等于0，则计算对应的迭代方向；若所述第一新响应变量增量等于0，则结束迭代。6.根据权利要求2所述的方法，其特征在于，所述基于所述预设设计变量增量和第二预设增量步进值，获得第二新响应变量增量的步骤包括：在所述预设设计变量增量上叠加所述第二预设增量步进值，获得第三设计变量增量；基于所述第三设计变量增量，获得第二新响应变量增量。7.根据权利要求6所述的方法，其特征在于，所述基于所述新响应变量增量，计算对应的迭代方向或结束迭代的步骤包括：若所述第二新响应变量增量有解，则计算对应的迭代方向；若所述第二新响应变量增量无解，则在所述第三设计变量增量上继续叠加所述第二预设增量步进值，直至计算出的第二新响应变量增量有解或者叠加次数大于预设次数。8.根据权利要求1所述的方法，其特征在于，在所述基于预设设计变量增量和目标函
数，获得响应变量增量之前还包括构建机光电联合仿真参数化模型作为所述目标函数。9.根据权利要求8所述的方法，其特征在于，所述构建机光电联合仿真参数化模型的步骤包括：基于结构参数和有限元软件，获得结构仿真模型；基于光学参数和光学分析软件，获得光学分析模型；基于电气参数和电气分析软件，获得电气性能仿真模型；基于所述结构仿真模型、所述光学分析模型和所述电气性能仿真模型，获得机光电联合仿真参数化模型。10.一种面向有限元模型极微小变参的收敛与迭代优化装置，其特征在于，包括：计算模块，用于基于预设设计变量增量和目标函数，获得响应变量增量；调整模块，用于判断所述响应变量是否等于0或者无解，若是，则基于所述预设设计变量增量获得新响应变量增量；判断模块，用于基于所述新响应变量增量，计算对应的迭代方向或结束迭代。

技术总结
本说明书公开了一种面向有限元模型极微小变参的收敛与迭代优化算法，涉及系统优化算法技术领域，方法包括基于预设设计变量增量和目标函数，获得响应变量增量；判断所述响应变量是否等于0或者无解，若是，则基于所述预设设计变量增量获得新响应变量增量；基于所述新响应变量增量，计算对应的迭代方向或结束迭代，解决了目前针对复杂系统在包含有限元局部精细模型的优化算法存在响应变量对参数变量不敏感以及响应结果易发散的问题。敏感以及响应结果易发散的问题。敏感以及响应结果易发散的问题。


技术研发人员：白雪 李志臣 陈坤 王鸿雁
受保护的技术使用者：北京电子工程总体研究所
技术研发日：2023.03.31
技术公布日：2023/7/25