基于U-net的"高分五号"卫星高光谱图像土地类型分类

"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。     

基于改进语义分割网络的输电走廊遥感变化检测

利用不同时间卫星遥感图像的变化检测,可以及时发现输电走廊周边的地质灾害、人为破坏和违章建设等潜在风险。目前,由于卷积网络需要池化,基于深度学习的高分辨率遥感图像变化检测通常采用降采样提取抽象特征,导致检测结果分辨率降低。针对这个问题,文章提出一种综合语义分割和孪生网络的变化检测算法,利用语义分割网络的编码功能提取高级抽象特征,通过解码功能恢复成原始分辨率,并利用孪生网络的参数共享机制实现不同时相图像的协同处理。面向云南省昆明市西南某高压线覆盖区域,利用2018年1月和11月的"高景一号"0.5m分辨率遥感图像进行变化检测,实验表明:文章提出的算法在分辨率保持不变的情况下,能获得优于93%的检测精度,为输电走廊遥感变化检测提供有效的技术支撑。     

基于仿真数据的空间实体轨道监测实现与推演评估

随着航天技术的迅猛发展,太空近地轨道航天器数量趋于增加,积累的大量空间碎片占用了轨道资源并对航天器构成威胁,需要对这些空间实体进行勘测,并建立相应的仿真系统。提出一种仿真数据和空间实体数据混合驱动的空间仿真工作流程,用于比较推演仿真数据和空间实体轨道真实数据。通过主动航天器对空间实体目标实时监测拍摄,运用镜头分割和关键帧提取、图像角点提取与匹配、基于深度学习的目标检测等方法对航天器拍摄的成像视频进行处理得到空间实体轨道数据,比较与推演仿真数据的差别,基于此差别评估推演仿真数据逼真度。     

一种基于多模分布的SAR图像分割算法

SAR图像目标、背景、阴影的不同散射机理使得这三部分具有不同的统计特性.分析SAR图像三部分统计性质分别建立统计模型,并给出了一种基于这三种模型组合的多模分布的SAR图像分割算法,对于目标分割和阴影分割分别采用不同的预处理方法,分别提出了快速Otsu分割算法分割目标和基于背景均值保留的冲击滤波算法分割阴影.分割结果表明,这种基于多模分布的SAR图像分割算法与传统的基于单模分割算法相比,能最佳地利用各部分统计特性的差异,得到准确的分割结果.     

基于图论Gomory-Hu算法的SAR图像多尺度分割

由于SAR图像含有斑点噪声,很难有效的分割出精确的结果,为此提出一种新的基于图论的SAR图像分割方法,证明了算法具有最优解,分析了算法的复杂度,验证了算法具有实时性。该算法通过构造多尺度结构快速找到收缩图以及初始图的子图集合,然后对其分别应用Gomory-Hu算法得到对应的等价树,最后根据规则得到初始图的等价树,按照割值由小到大依次去边后,可得到对原图的最优划分,映射回图像则可得分割结果。实验结果说明了算法的有效性和实时性。     

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。     

航天器热模型修正技术进展研究

遗传算法和Broyden类的准牛顿法是近年出现的两种航天器热模型修正新技术,目前处于尝试用于工程实践的试探研究阶段。文章对两种方法的算法原理进行了初步调研,并分别分析温度和热模型不确定参数两方面的修正效果。单从温度修正结果来衡量,两种方法均能取得较好效果。但不确定参数的修正效果不佳,两种方法均无法保证不确定参数的精度、甚至只能获得丧失了物理真实性的参数解。在此基础上进一步分析了航天器热模型修正问题的定解性,指出一般情况下实际航天器热模型修正属于欠定解或过定解问题,无法得到精确的参数的反解值。据此提出工程上应成组使用修正获得的参数,并应保持同一参数在修正模型和预示模型中的一致性。最后,初步展望了利用人工神经网络深度学习进行航天器热模型修正的可能性。     

基于深度学习的航天器位姿估计研究进展

从在轨应用角度出发,对近年来基于深度学习的航天器位姿估计相关研究成果进行了综述。首先,对基于传统特征提取方法的航天器位姿估计研究进展与局限性进行了归纳梳理。在此基础上,引出基于深度学习的航天器位姿估计的重要意义,并聚焦公开比赛、数据集、姿态估计方法、开源模型等方面阐述基于深度学习方法在当前和未来的关键问题与解决途径。最后,从数据集逼真度、模型可部署、多任务域适应3个维度给出了相应关键技术后续发展的方向与思路。     

载人航天器安全性概率算法

本文从载人航天的工程实际出发，对载从航天器的安全性定义、安全性模型、安全性和可靠性之间的关系进行了深入的讨论。通过全状态事件树分析，给出了载人航天器安全性分析模型，并在此基础上推导出了载人航天器安全性概率算法公式。最后，通过宇航界一个载人航天器实例，说明了该方法的具体应用。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

航天器反应式碎片规避动作规划方法

提出一种航天器反应式碎片规避动作规划方法，首先以扰动流体动态系统(IFDS)算法作为动作规划的基础算法，通过其中的总和扰动矩阵对航天器的轨道速度矢量进行修正，实现轨道机动规避；然后，建立基于双延迟深度确定性策略梯度(TD3)深度强化学习算法的反应式动作规划方法，通过TD3在线优化IFDS规划参数，实现对碎片群的“状态-动作”最优、快速规避决策。在此基础上，将优先级经验回放和渐进式学习策略引入该方法中，提升训练效率。最后，仿真结果表明，所提方法可使航天器安全规避多发、突发、动态且形状各异的空间碎片群，且具有较好的实时性。     

自适应航天器态势分析系统

利用深度学习中的卷积神经网络理论,基于单目视觉系统和带有标识物的航天器影像,实现对航天器的三维姿态角、距拍摄点距离和相对拍摄中心偏移量的精准测量。利用机器学习理论实现网络自主学习样本特征,这一方式将大幅降低动态测量的误差。同时,这种测量方式也避免了人工提取特征的复杂过程,实现任意、精准、快速测量,对航天器在组装及发射过程中的姿态估计、距离测算起到关键性作用。     

基于磁场梯度张量的航天器内部多磁场源探测技术

基于磁场梯度张量的探测技术具有高分辨率、高精度等优点,是航天器多磁源分辨的有效方法。文章建立了航天器磁场源模型,提出了航天器多磁场源模型拟合方法,利用磁场梯度张量的主不变量的极值确定磁场源个数和水平位置,然后联合欧拉方程计算磁场源深度,完成航天器内部多磁场源仿真与计算,分辨率最高可达0.012 m,满足工程需求。该研究开辟了航天器内部多磁场源目标探测的新途径。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。     

航天器中频力学环境预示研究进展

中频声振力学环境严重影响着航天器的可靠性和安全性,具有响应复杂、预示难的特点,因此航天器结构的中频动力学问题是当前研究的难点和热点。文章介绍了三类主要的中频预示方法,即改进的确定性方法、改进的统计能量法和混合法的基本理论和应用现状。结合航天器工程需求,对比和分析了几类中频预示方法的计算效率、应用前景和理论局限。最后,提出采用有限元与统计能量分析(FE-SEA)混合法作为国内航天器中频力学环境预示方法,并指出了FE-SEA混合法的研究方向。     

平面遮挡分析法及其在航天器气动力矩分析中的应用

针对空间站等复杂构型航天器迎流面积和气动力矩的快速分析问题,提出一种平面遮挡分析法。该方法在与迎流垂直的方向上,选定一个二维投影平面进行航天器组成单元的划分和二维外形信息的定义;通过标志符、差值函数及相关的单元外形边界搜索规则定义和操作,实现迎流面积和遮挡面积的计算。平面遮挡分析法减少了遮挡分析所需使用的航天器外形信息维度,可以提高遮挡分析的效率。然后给出基于该平面遮挡分析法对迎流面积和压心位置进行计算的数学模型,对使用的气动力矩分析模型进行说明。以一个非对称构型的空间站为例,对相应的迎流面积和气动力矩进行仿真计算和对比验证。结果表明,平面遮挡分析法具有较为明显的计算时间优势,同时具备较高的计算精度。     

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。     

基于模糊评价方法的航天器总装过程产品安全性评估模型研究

航天器在总装阶段发生的质量安全问题将会对航天器研制质量、进度、成本产生重大的影响。为提高航天器产品总装的安全风险控制能力,必须建立总装过程风险识别和安全防护的工程方法,对总装过程重要环节的安全性进行正确评价。通过运用模糊综合评价法与层次分析法构建航天器总装安全性评估模型,在专家打分的基础上,借助多级模糊综合判断和直接打分相接合的方法,分析确定各评价指标的权重,从而计算出关键活动的风险值。     

空间伸展机构接触碰撞的动力学分析

本文以子结构离散的柔性多体系统动力学为基础，引入与碰撞有关的约束条件导出了描述碰撞过程的柔性多体系统的动力学方程。通过仿真计算可得到空间伸展机构撞击阶段的时间，构件在碰撞阶段的动力学响应；并从与约束方程相关的Ｌａｇｒａｎｇｅ乘子获得撞击力的变化规律。从而可较全面地描述空间伸展机构整个接触碰撞动力学过程。本文以伸展机构的两个构件碰撞过程的仿真为例详细介绍各种建模方法与计算方法。     

Concept study on Deep Space Orbit Transfer Vehicle

In this paper, the concept of Orbit Transfer Vehicle for Deep Space Exploration (Deep Space OTV) is proposed, and its effectiveness and feasibility are discussed. Basic concept is the separation of two functions required for the deep space exploration, the transportation to the destination, and the exploration at the destination. Deep Space OTV is a spacecraft specialized for the transportation to the deep space destination. It is an expendable spacecraft propelled by solar electric propulsion. The payload of Deep Space OTV is Explorer, which is a spacecraft specialized for the exploration at the deep space destination. The effectiveness of the concept is discussed qualitatively, focused on the merits of the separations of two functions. The feasibility of Deep Space OTV is discussed based on the conceptual design of the spacecraft and its applicability to deep space missions. Several deep space missions are modeled and the payload capacity of Deep Space OTV is estimated. The missions include Asteroid rendezvous, Mars orbiter, Lunar lander, and so on.