基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。     

机动卫星星座对多区域目标成像任务规划

针对太阳同步圆轨道卫星星座对地观测任务,研究了在卫星机动情况下对多区域目标的成像任务规划算法.首先提出了单颗卫星对单个点目标的观测方法,解析分析了点目标可见性,并给出了卫星变轨策略;进而通过把区域目标划分为多个条带,将问题转化为卫星对点目标观测问题,结合单星单目标观测方法分析区域目标各条带的可见性;最后建立优化问题模型...     

高维特征向量相似度计算方法研究

在机器学习、目标识别等诸多领域都会涉及到特征向量的有效识别问题,大多是通过与先期建立的模板特征向量库进行比对,因此高维特征向量的相似度计算就成为特征识别的关键。提出利用互信息熵的计算方法描述高维特征向量之间的“距离”,与传统的“欧氏距离”“相关系数”等方法相比较,不仅考虑了向量的长度信息,还考虑了角度信息,因此可以更进一步地描述高维向量彼此之间的差异,丰富高维特征向量相似度计算方法。     

卫星星座整网轨道确定分析与仿真

编队飞行的卫星或卫星星座对轨道确定自主性和精度提出了较高要求。针对这个问题,通过建立星座的轨道动力学模型和星间观测的测量模型,将星座中的星间观测数据和地面观测数据融合起来,将待估的卫星轨道参数和部分动力学参数进行适当的分类,研究卫星星座整网轨道确定的新方法,并在理论上分析了整网定轨方法能提高定轨精度的原因;最后采用自主开发的卫星星座整网轨道确定软件进行了仿真计算。计算表明,该方法能有效地减少对地面站的依赖,并较大幅度提高定轨时卫星绝对位置和相对位置精度。
     

考虑任务聚类的多星观测分阶段调度方法研究

单个轨道圈次内星上能量和侧摆次数有限,在卫星观测调度时考虑任务聚类可以提高观测效率。分析了满足用户分辨率需求下多任务聚类的约束条件,并对聚类任务的时间窗口和侧摆角度进行了合理优化。提出了先聚类后调度再修复的分阶段求解策略:首先用团划分聚类算法和启发式插入聚类算法把多星多轨道圈次观测调度问题转化为单星单轨道圈次观测调度问题,然后采用基于时间序无圈有向图的多准则优化卫星调度方法求解单星单轨道圈次调度问题,最后提出一种修复策略进一步优化调度结果。案例仿真表明,提出的方法可行,能够提高卫星的观测效率。     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

基于半参数回归模型的双星系统定轨算法及精度分析

天基测控系统是航天测控的一个发展趋势.给出了双星定位系统的定轨原理;建立了基于半参数回归的双星系统定轨模型,包括对卫星轨道摄动误差的基函数表示和观测残差的函数拟合等;给出了基于半参数回归的轨道估计算法及计算步骤;并从理论上分析了基于半参数回归模型的轨道估计算法能有效的消除非线性因素对参数估计性能和精度的影响,其定轨精度优于经典的最小二乘处理算法;最后通过对卫星仿真观测数据的处理以及卫星定轨精度的分析,表明该算法确实有效,在相同仿真条件下,定轨位置精度和速度精度分别提高了41.5%和41.3%.     

基于主成分分析和Melkman算法的选星策略

导航定位中的选星算法是一种关键技术，用于从卫星中选择合适数量和最佳几何分布的卫星以实现最佳定位精度。针对基于二维凸包算法的选星策略在三维卫星数据降维处理中忽略垂直方向高度位置信息的问题，提出了一种基于主成分分析(PCA)和二维凸包Melkman算法的选星策略。首先，通过PCA技术将三维卫星数据投影到新的二维坐标系，新的二维数据同时保留水平平面位置信息和垂直方向高度位置信息，旨在降低维度的同时最小化信息损失。在新坐标系下，数据经过预处理后，采用二维凸包Melkman算法进行选星。实验结果显示:相较于直接投影到站心坐标系下的二维凸包选星算法，提出的选星算法不仅更准确地描述卫星的位置信息，使问题研究更加完备，还在保持相近仿真耗时的前提下，实现了较大的几何精度因子(GDOP)性能提升。     

XNAV算法及其整周模糊度确定方法研究

X射线脉冲星导航(XNAV)是一种新型的航天器天文导航方法.研究了利用脉冲星脉冲相位观测信息进行导航卫星自主定轨的算法.首先分析了X射线脉冲在卫星和太阳系质心之间的传播时间方程,然后利用卫星与太阳系质心之间的相位差分观测量建立了系统的观测方程;结合导航卫星的轨道动力学特性,采用扩展卡尔曼滤波算法估计卫星的轨道.考虑到卫星轨道动力学预报得到的卫星位置值具有较好的精度,提出直接利用该位置预报值快速确定整周模糊度,并验证了该方法的可行性.数学仿真表明,该导航算法能够精确确定导航卫星在 l惯性系F的绝对位置.     

支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。