航天器在轨泄漏声发射信号特征分析

载人航天器的防护要求不断增强, 在轨泄漏检测的重要性日益凸现。文章阐述了航天器在轨泄漏声发射检测的基本原理, 介绍了泄漏检测系统的基本组成及性能参数。通过泄漏声发射检测实验, 利用频谱分析法和特征参数分析法对不同孔径圆形漏孔泄漏产生的声发射信号进行研究, 得到了泄漏声发射信号的频谱和特征参数。实验结果表明, 机械泵运行产生的背景噪声信号主要分布在10 kHz以下, 而气体泄漏产生的是高频声发射信号, 且漏孔越小, 信号能量越小, 高频成分所占比例越大。该研究对于航天器在轨泄漏的检测及泄漏量评估等具有实际意义。     

基于圆形超声阵列传感器的在轨泄漏定位方法

随着空间碎片数量的不断增加,载人航天器在轨泄漏定位问题成为一个亟待解决的问题。文章研究了一种基于圆形超声阵列传感器的在轨泄漏定位方法,利用互相关原理计算泄漏超声信号传播到不同测试单元的时间差,从而确定泄漏所在的方向,并根据三角定位方法确定漏孔的具体位置。     

航天器在轨气体泄漏流场及声场特性仿真研究

航天器在轨运行安全受到空间碎片威胁,一旦发生泄漏必须及时发现与修补。泄漏流场及声场特性是声学泄漏检测的重要基础。为探究航天器在轨气体泄漏流场及声场特性,文章通过LES模型及Lighthill理论建立泄漏的流体动力学及声场模型,并进行仿真研究。针对不同孔径的漏孔,明确了泄漏模型的速度分布及声场特征,结论可为航天器在轨声学泄漏检测提供理论依据。     

非接触式超声泄漏检测系统设计及试验验证

非接触式超声泄漏检测方法在国外已应用于载人航天器在轨检漏。文章基于气体泄漏超声产生机理及声压与泄漏量的关系,搭建了一套超声泄漏检测系统,研究了泄漏判断及漏孔评估算法,并进行了综合试验测试。结果表明,该方法能有效地对泄漏是否发生进行判断,并可粗略评估泄漏量的大小和漏孔直径,为我国空间站密封舱在轨泄漏检测提供参考。     

载人航天器内超声在轨检漏的应用基础研究

载人航天器在轨运行发生泄漏会造成极大的危害,需要及时检测和定位,超声检漏设备是一种便捷有效的在轨检漏方案。文章分析了航天器泄漏产生超声波的原理并计算了对应的中心频率,分析了声压衰减原理并计算了衰减范围,通过试验得到4种漏孔的拟合曲线和方程,针对拟合曲线进行了试验验证。结果表明：在20～500 mm的感知范围内,超声波声压随距离的增大呈一阶指数衰减,并随漏孔直径的增大而增大。本文研究结果可为航天器超声在轨检漏仪的研制和使用提供参考。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

仅利用输出信号的挠性航天器模态参数子空间在轨辨识算法

为了在轨获得精确的挠性航天器模态参数,在子空间辨识算法的基础上,给出了一种仅利用输出信号的挠性航天器模态参数在轨辨识算法。其特点是输入信号不必是白噪声,且当输入信号不易测量时,只利用被噪声污染的输出信号就能进行模态参数的在轨辨识。通过对哈勃太空望远镜(HST)和MiniMast 空间挠性结构两个算例的仿真,验证了算法的有效性和实用性。     

变结构航天器动力学特性在轨辨识方法综述

动力学特性在轨辨识是对大型变结构航天器精确控制的基础和关键。首先,分析了国外在动力学特性在轨辨识领域的工程应用。其次,从在轨运行过程对动力学特性的影响出发,对在轨辨识方法的工程适用性进行了分析和评述,并总结了开展制约航天器动力学特性在轨辨识方法工程应用的条件。最后,对航天器质量特性和模态参数在轨辨识方法的应用进行了总结,可为动力学特性在轨辨识方法在我国未来大型变结构航天器中的应用提供参考。     

一种载人航天器气压控制系统仿真模型

为支持航天员在轨驻留,载人航天器须利用气压控制系统将密封舱内的氧分压和总压控制在指标范围内。为分析气压控制系统的工作性能,文章提出了一种气压控制系统仿真模型,利用关键参数和主要特性描述公式对气压控制系统的主要要素进行定义,形成了密封舱、航天员、供氧组件、供氮组件、舱体漏孔等的数学模型,并定义了要素之间的接口关系。将正常模式和舱体泄漏模式下的仿真模型计算结果与载人航天器相关地面试验数据进行对比,证明了仿真模型的正确性。最后,利用仿真模型分析了舱体容积和漏孔通径大小对密封舱氧分压和总压变化趋势的影响。     

带挠性附件航天器在轨质量特性辨识

考虑挠性附件的振动,研究了航天器在轨质量特性辨识问题。利用推力器产生激励,采用陀螺仪、加速度计和振动信号传感器作为敏感器,设计了模态滤波器提取各阶模态响应。通过交互迭代,设计了转动惯量和质心位置的辨识算法;根据加速度计原理,设计了质量的辨识算法。采用批量最小二乘法对算法进行求解。该算法适用于模态参数已知、任意初始状态航天器的质量特性辨识。仿真结果表明算法收敛速度快、辨识精度高。     

构件裂纹缺陷的超声识别

将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

基于小波包变换及相关系数法的复合材料层合板冲击位置识别研究

复合材料较为广泛应用于航空、航天等工程领域,但对冲击载荷十分敏感。因此,对复合材料结构承受的冲击载荷进行在线监测以及冲击位置的实时识别具有重要意义。文章以复合材料层合板为研究对象,基于两个冲击位置的距离越靠近则接收到信号幅频特性相似度越高的特点,采用FBG光纤光栅传感器,通过小波包变换的方法来提取能量特征向量,同时结合相关系数法来实现复合材料层合板的冲击位置识别。在480 mm×480 mm的复合材料层合板上开展冲击实验,8次实验皆完成了冲击位置识别,其中7个点距离误差为0 mm,实现精准识别,另一个点误差在6%以内。     

一种新的自适应消噪方法

基于小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的办法。考虑到离 散小波变换(DWT)不具有平移不变性,而静态小波变换(SWT)又不能很好地分析信号的高频 部分,提出了一种新的自适应消噪方法。它根据CWT的提升方法,得到静态小波包的提升 实现方法,并设计出适合本系统的确定最优小波包分解树的相应步骤,利用引入了更多动量 因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原 信号。仿真中将其与其它两种基于小波的自适应方法进行了比较,表明该方法可在适当减小 计算量的同时,进一步改善系统的滤波性能。     

基于Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

一种基于小波和人工神经网络的故障检测与诊断方法

提出了一种基于小波和人工神经网络的故障检测与诊断的方法，该方法利用小波包分解的精确细分的特点，分别对正常系统和故障系统的采样信号进行精确特征提取，并构造一系列基于信号能量且具有表征系统状态能力的特征向量，然后利用人工神经网络分类器对系统在各种状态下的特征向量进行分类决策，从而实现对系统的故障检测与诊断。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

一种基于多层SOFM网络的星图识别方法

提出了一种基于自组织特征映射(SOFM)神经网络的星图识别算法。用基于支持向量机(SVM)的动态阈值选取算法选取导航星构建导航星库,将一多层多个并联SOFM子网的识别系统用于星图识别。给出了方法的流程。仿真结果表明,SOFM网络可提取星图中的复杂特征识别导航星。与传统三角形算法相比,该识别算法的识别准确率、鲁棒性和实时性更优,有一定的实用价值。     

半球谐振陀螺仪寿命的一种长周期预测方法

为了缩短半球谐振陀螺仪寿命实验周期,降低实验成本,提出了一种针对漂移数据的残差修正ARGM(1,1)(Autoregressive GM(1,1))寿命预测方法。该方法利用神经网络与支持向量机中的自回归方式改进灰色模型,提高了模型的自适应能力,增强了模型的学习能力与预测能力,降低了模型回归学习的时间消耗和数据量要求,提高了预测效率。采用小波包络分析预处理某型号半球谐振陀螺仪的漂移数据,利用提出的预测方法对处理后的数据进行长周期预测,并结合灰色关联分析方法,分析失效阶段并最终预测出半球谐振陀螺仪的寿命。实验表明,残差修正ARGM(1,1)模型对半球谐振陀螺仪漂移数据的长期预测精度高于传统GM(1,1)模型、BP神经网络与支持向量机,结果也表明了研究方法的正确性和有效性。     

基于小波包变换的Quick Bird全色影像和多光谱影像的融合

为了能够更好地将迄今为止在商业领域内空间分辨率最高的Quick Bird卫星遥感影像的高空间分辨率特性和多光谱特性结合起来,以提高对影像信息的分析和提取能力,笔者在研究了小波包图像分析法之后,提出了一种基于小波包变换(WPT)的Quick Bird遥感影像融合方法,在此基础上,对同一地区Quick Bird全色影像和多波段影像进行了融合实验,获得了满意的实验结果。