一种基于图像的星体表面撞击坑自动提取方法

以星体表面的图像数据为基础,根据撞击坑的向阳面呈亮色调而背阳面呈暗色调的原理,提出了一种基于图像的星体表面撞击坑自动提取方法。该方法先用自适应双阈值分割法对星体表面的光学图像进行分割处理,获取图像中明暗区域的形状和位置信息;再用统计学原理分析明暗区域组成结构、像平面上光照方向,结合相关的约束条件来匹配同一撞击坑的明暗区域,同时拟合出撞击坑的外边缘并确定其半径、位置等信息。实验结果表明,该方法能够从常见的星体表面光学图像中快速、可靠地提取出撞击坑的中心位置和半径大小,具有较宽的普适应性和一定的应用价值。     

太阳系小天体表面环境综述

地面和空间望远镜观测,特别是最近30多年来的历次深空探测任务极大提高了我们对太阳系小天体的认识。现已知小天体表面具有复杂多样的形貌特征,这些特征与其历史上所经历过的地质演变有密切关系,亦可为理解早期太阳系的动力学环境提供重要信息。文章首先简要介绍了通过天文观测数据反演小行星形貌信息的基本原理和方法;然后基于已实施的深空探测任务获取的数据资料,回顾和总结了433 Eros、25143 Itokawa、4179 Toutatis、162173 Ryugu、101955 Bennu及486958 2014 MU69这6颗小行星的表面环境和物理性质,其中着重介绍了对这几颗小行星的形状、表面碎石形态和分布、撞击坑形貌和分布、表面坡度、沟槽和山脊等线性结构以及表壤运动痕迹等的认识,以及如何根据这些信息推测各小行星的形成历史;最后简要介绍了目前认为可能影响小行星表面形貌的几种机制,以期为我国即将开展的小天体深空探测任务提供借鉴。     

不同密度弹丸对水冰的超高速撞击成坑实验

为了研究冰冻天体表面撞击坑的形成与演化，开展了水冰的超高速撞击成坑实验。使用二级轻气炮发射1.0 mm直径的球形弹丸，以3 km/s、5 km/s和7 km/s速度对圆柱状冰块进行撞击。弹丸材料包括聚碳酸酯和不锈钢两种，冰块温度为253 K。实验观察到了不同弹丸和不同速度条件下，冰块中撞击坑的形貌特征。对撞击坑直径、深度和剖面形状进行了测量，并与文献中铝弹丸对水冰的撞击坑进行了比较分析。获得了水冰撞击坑特征随撞击参数的变化规律，结果表明：撞击坑直径和深度的主导机制不同，坑深主要由弹丸侵彻作用形成，而坑径主要由冰块的剥落所致；坑深比坑径具有更强的对于弹丸密度的依赖性，高密度弹丸撞击坑直径具有比低密度弹丸更强的对于撞击速度的依赖性；撞击坑体积与撞击能量成正比，高密度弹丸形成的撞击坑直径表现出“能量缩比”行为，而低密度弹丸形成的撞击坑直径表现出“动量缩比”行为。     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。     

弱引力下小行星动量驱动机器人的可控跳跃行为

以小行星表面着陆探测为背景,提出一种动量驱动机器人(MoRo)以满足弱引力复杂环境下的探测需求。该机器人利用弱引力环境下的摩擦和碰撞特性,通过主动辨识环境参数,规划和控制动量轮以产生期望的驱动力矩,完成可控性跳跃及腾空后的稳定拍照等任务。首先,基于MoRo的动量轮刹车机构特性,分析了MoRo在弱引力环境下的跳跃机理并对其跳跃方式进行了规划;接着考虑动量轮驱动机构三闭环伺服系统的非线性特性,基于Herze碰撞模型和Karnopp摩擦模型建立了MoRo在小行星表面的跳跃行为动力学模型;其次,使用机器学习算法建立环境参数和MoRo运动的函数关系,并基于环境参数规划动量轮转速实现跳跃距离和腾空高度的可控。最后,通过数值仿真校验了MoRo跳跃规划方法和控制方法的可行性。     

单纤维表面尘粒捕集随机模拟程序实现

纤维过滤介质表面尘粒沉积形成树枝状堆积结构,即"粉尘树状结构",对纤维过滤性能具有重要影响.基于Wang提出的随机模拟方法和表征单纤维周围绕流特征的Kuwabara流场,建立单纤维过滤介质表面尘粒捕集随机模拟模型,采用可视化编程语言Visual Basic 6.0开发该模型的应用软件.软件设为主窗口和参数输入窗口,用户通过参数输入窗口可输入过滤风速、纤维直径、容密度、粒子密度、粒径大小及粒径分布等过滤参数.模拟数据以ASCII形式存于临时文件中,便于origin直接调入分析.应用该软件成功实现了纤维表面尘粒捕集过程的模拟,并得到了一些有益的结果.     

不规则形状小行星引力环境建模及 球谐系数求取方法

在实施小行星探测任务之前,需要对不规则形状小行星的引力场有一个清楚的认识,以便于进行环绕或着陆小行星的轨道设计。文章提出了一种小行星引力场建模及球谐系数的求取方法。首先,由多面体模型方法重构出小行星外部的引力环境并以此作为虚拟观测量。在此基础上,根据球谐系数与引力势能间的关系,通过求解超定线性方程组得到小行星引力场的各阶次球谐系数。与传统的将小行星近似成三轴椭球体进而计算球谐系数的方法相比,该方法可大幅度提高引力场建模的精度。通过与由NEAR探测器轨道数据解算的Eros433小行星的球谐系数比较表明,其最大误差不超过6%。计算表明,该方法可以为小行星探测任务发射前的轨道设计提供更为精确的数据。     

基于ZigBee组网的星表探测装置设计及其定位方法

文章针对未来小行星表面探测的需要，研究了一种基于ZigBee组网技术的无线星表探测装置及其定位方法。探测装置采用迷你立方体构型设计，每个装置配备多个ZigBee模块，模块的天线围绕立方体呈对称分布式安装，以确保当探测装置落到小行星表面后，至少有一个ZigBee模块的通信状况良好且可进行组网。撒布在小行星表面的多个探测装置可以组成一个无线网络，以实现探测数据的传输和系统的定位。针对多探测装置无线网络拓扑结构的数学建模问题，提出了一种通过提取分析接收信号强度指示值（RSSI）来确定探测装置间相对距离的测量方法；基于对传统三边测量法的改进，实现了网络中探测装置的自主定位。在实验室环境下，搭建平台对系统的组网和定位功能进行了实验研究，验证了方案的正确性。     

基于改进DeepLabV3+的石漠化地区裸岩信息提取

针对传统喀斯特地区裸岩提取方法成本高、精度低的问题,文章构建了一种基于改进DeepLabV3+的裸岩提取方法。该方法首先在编码器中用CA-DC-MobileNetV3替换DeepLabV3+骨干网络Xception进行特征提取,很大程度上减少了模型的参数量;其次,将编码器提取的特征通过特征金字塔网络和坐标注意力机制进行加强特征提取,以获取更多小目标信息并减少图像细节损失;最后在空洞空间金字塔池化模块将不同空洞率的卷积层进行特征融合,提高信息的利用率。研究结果表明：文章方法在不同场景裸岩提取任务中表现最好,模型参数量约为DeepLabV3+的1/13,交并比、F1分数分别为72.46%、84.03%,上述2个指标相比于DeepLabV3+模型分别提高了4.62和3.19个百分点,并优于其余常用语义分割模型,提高了裸岩提取精度。     

面向小推力变轨的天文组合自主导航方法

针对小行星探测任务对导航系统自主性强、实时性高的需求,研究了一种面向小推力变轨的天文组合自主导航方法。根据工程实践分析并建立了电推进变轨过程中的动力学模型,给出了天文测角测速组合的小行星探测自主导航方案。为克服小行星探测器推力的不确定性,提出了采用自适应交互式多模型无迹卡尔曼滤波(AIMM-UKF)算法,以较少的模型个数实现对导航系统状态的覆盖,克服了模型集合先验信息不准确对导航精度的影响,提高了组合导航系统的鲁棒性和抗干扰能力。最后,通过数学仿真对组合导航算法的性能进行了验证,结果表明本文提出的组合导航方法估计精度更高、计算消耗更小,可满足小行星探测工程任务对导航系统自主性、实时性和高精度的需求。     

利用小行星测量信息的深空探测器自主导航算法研究

提出一种利用小行星图像信息的深空探测转移轨道段自主光学导航算法.该算法首先利用导航敏感器获取含有恒星背景的多颗小行星的图像;然后通过图像处理,提取出小行星和恒星中心点对应的像素;最后利用小行星和恒星中心点的像素、探测器的惯性姿态和观测时刻的小行星星历等信息,通过引入Unscented变换的批处理最小二乘滤波估计探测器的位置和速度.以"深空一号"探测器飞行轨道为例进行数学仿真,结果表明该算法导航精度优于"深空一号"应用的批处理最小二乘滤波.     

基于刷扫和研磨的复合式小行星取样器取样过程仿真与分析

针对小行星表面微重力环境及样品机械属性未知的特点,提出了一种基于刷扫和研磨的复合式取样器设计方案。该取样器通过刷扫和研磨的复合方式进行取样,能够提高小行星表面取样任务的成功率。为了研究该取样器刷扫取样时刷轮叶片数、刷轮转速、推进速度、星壤参数等对取样效率的影响,研磨和刷扫复合取样的优越性以及刷扫和研磨时的驱动力矩,开展了样品颗粒相互作用建模及研磨取样动力学分析。基于离散元仿真软件EDEM,构建了取样器3D模型并仿真其在小行星表面取样,获得了样品收集质量与取样时间的关系曲线,分析了各个参数对取样效率的影响。结果表明:刷轮叶片数越多,刷轮转速越大,推进速度越大,取样器取样效率更高,刷扫和研磨的复合取样方法比起单一的刷扫取样,具有更高的取样效率。该研究为设计小行星取样器、取样参数设定和取样效果分析提供了依据。     

基于数据抖颤的风电机组变桨故障预测

本文基于某风场的海量录播数据,通过实验发现在发生电气类故障前数据具有抖颤特征,选择特征显著的电机转速进行深入研究。首先,利用判断采样数据点之间锐角,并记录转折点,通过转折点距离不同,处理故障发生前15分钟的原始录播数据,提取反映故障信息的特征值。然后,利用滚动时间窗口研究变桨故障预测方法。最后,通过实验验证基于数据抖颤方法能够提前6-12分钟预测出风电机组即将发生变桨故障,为风机即将发生致命故障提供预测依据。     

一种卫星双组元推力器羽流热影响分析方法

给出一种分析星上设备受双组元推力器羽流热影响的方法。首先,提取待分析设备三维模型的STL(stereo lithographic)数据;然后,根据STL数据中三角形网格的法向矢量选取有效的三角形网格;最后,利用STL数据和推力器羽流热流场分布函数建立羽流热影响分析模型。不管设备表面能否用解析公式表达,文章提出的方法均能分析推力器羽流对其产生的热影响。     

月面数字地形构造方法研究

月面巡视探测器着陆区域的地形将对其产生重要的影响。文章对月面数字地形构造方法进行了研究。首先,对月面典型地形特征石块和撞击坑的分布规律和典型形状进行了分析。其次,说明了数字地形的生成流程。再次,先后利用两种方法确定石块和撞击坑的直径,在此基础上构建了数字地形。一种方法是根据巡视器的越障能力确定石块和撞击坑直径,该方法可在一定程度上满足巡视探测器移动性能试验需求;另一种方法是随机生成石块和撞击坑的直径,使生成的地形符合月面的实际情况,不仅可以应用于巡视探测器的移动性能试验,而且也可以应用于路径规划和着陆器着陆过程的模拟。     

变革小行星探索任务的PANIC着陆器

<正>2016年12月,一个美德研究小组提出了开发一种用于小行星原位特征探测的小型低成本表面着陆器。这个小型航天器被称为"微型自主近地小行星原位特征仪"(PANIC)。这可能成为科学界的一个突破,为小行星探索任务提供简便和廉价的解决方案。     

基于深度学习的多步预测方法在太阳风速度预测上的应用

为对近地环境太阳风状况进行可靠预测,引入基于深度学习的多步预测方法来预测在太阳与地球之间的拉格朗日点1（L1）处距离输入观测数据序列未来24、48、72、96 h的太阳风速度。采用SDO的图像数据提取冕洞面积等特征信息,并从NASA OMNIWEB数据集提取其他输入特征,形成多变量的时序数据作为太阳风速度预测的输入信息,输出未来某时刻附近几个小时的太阳风速度。预测过程中分别采用单一LSTM模型、编解码器LSTM模型和CNN-LSTM编解码器模型3种深度学习预测模型作为基模型,融合多步输出端数据进行对比分析。实验表明,多步预测相较于单步输出预测,对未来24、48、72、96 h的太阳风速度预测的相关系数和精度均有所提高,其中单一LSTM模型对于未来24 h太阳风速度的多步预测结果最佳——与观测数据的相关系数为0.789,均方根误差为62.469 km/s,平均绝对误差为46.476 km/s。     

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

针对光学遥感图像舰船目标类间差异小,需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题,文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法,设计了双分支特征提取与融合模型。首先,全局特征提取分支通过卷积神经网络提取图像的全局特征;其次,局部特征增强分支将浅层特征图打乱并重构,加入对抗性损失函数,训练网络识别局部重点区域特征的能力,提取目标局部特征;最后,将全局特征和局部特征进行融合,利用全连接层对特征进行降维处理去除冗余信息,增加鲁棒性,并利用融合特征完成分类任务。实验表明,该方法可以兼顾全局特征和局部特征,在FGSC-23舰船目标数据集上准确率达到86.36%,优于其他方法。     

嫦娥四号探测器着陆区精确选择与评价系统设计

根据主要的科学探测目标和工程约束条件筛选出了适宜嫦娥四号任务着陆的大范围区域。嫦娥四号探测器的着陆区选择需要兼顾科学探测目标、工程实现的约束以及着陆区的环境、表面特征等等。其中,着陆区的表面特征主要包括坡度、撞击坑及岩石丰度、地形对光照遮挡情况等,直接影响了动力下降过程、着陆安全及月球巡视器的车体移动能力,也是影响着陆区选择的重要因素。基于已有的着陆区遥感测绘数据,对着陆区范围内的关键地形进行了统计分析。并通过模糊推理,建立并应用了着陆区选择及评价模型,在大范围着陆区域中精确筛选出了小范围的着陆区。最后,根据嫦娥四号任务实际在轨飞行过程,对该方法进行了验证。文章所使用的地形确定及筛选方法,可以为后续地外天体软着陆探测任务提供借鉴。