嫦娥五号探测器月面铲挖采样前后状态变化分析

为了深入研究月球演化历史以及太空环境对月球土壤的风化影响,需要定量分析月球表面物质与次表层物质的状态差异。研究提出一种依据彩色图像数据分析月壤状态差异的方法,利用嫦娥五号任务采样期间获取的月球表面铲挖前后的图像数据,分析了每次铲挖前后月球表面的图像灰度表现特性等特征,分析结果表明:月球次表层物质的平均反射率小于表面物质,全色谱段中的平均变化率为-24.71%;局部区域的月球表面次表层物质的平均反射特性基本一致,全色谱段中的平均变化率为-0.30%;月球表层颗粒形态与次表层颗粒形态可能不一致;月球表层颗粒与次表层颗粒组成和化学分子结构可能不一致。分析数据表明嫦娥五号采样位置铲挖前后的原态月壤和新鲜月壤存在明显状态差异,研究结果可为我国后续月球采样实施方案的改进提供基础数据。     

浅表层月壤铲挖采样的振动减阻技术仿真研究

文章对振动铲挖技术在浅表层月壤采样过程中的适用性进行了研究。根据月壤宏观、细观参数,采用离散元法建立了月壤模型,对月球表面低重力低气压环境下的月壤应力—应变特性进行仿真,并结合采用Balovnev机—土交互模型描述的月壤铲挖阻力公式,对月壤的振动减阻机理进行了分析。在此基础上,通过向采样器施加不同振幅和频率的振动,开展了浅表层月壤铲挖仿真,给出了铲挖过程中不同振动参数与月壤采样阻力的关系。同时,通过对比不同工况下的月壤孔隙率,验证了月壤的振动铲挖减阻机理及适用性。     

月球采样机械臂系统设计及试验验证

在对月球采样返回任务需求及探测器系统任务剖面进行分析的基础上，设计并研制了一种轻量化、大负载、高精度、宽采样范围月球采样机械臂系统。该系统主要由4自由度机械臂及两种不同采样形式的末端采样器组成，可对不同指定区域浅层月壤进行铲、挖、浅钻等多形式采集。在综合考虑机械臂系统器上布局的基础上，基于运动学模型对采样机械臂的可达采样区域进行仿真分析，提出采样机械臂月面采样策略。基于等尺寸着陆器模拟平台，开展了针对3种不同密实度模拟月壤的采样试验，采样试验结果表明在可达采样空间内，采样机械臂对不同密实度月壤均具有较好的适应性，最大采样深度可达30 mm，最大单次采样量可达270 g，单次采样时间小于2 min。     

一种新型月壤水冰采样系统设计及试验验证

针对月球极区永久阴影坑深低温环境下，月壤水冰的硬度和机械强度很高，铲挖、钻进等常规采样方式难以实现低耗、快速采样的问题，提出了利用火工爆燃作动的动能侵彻方式快速构建月壤剖面孔洞，利用机械臂将采样工具送至孔内实施样品精确采集的新采样方法，并据此设计了新型月壤水冰采样系统。设计并研制了侵彻单元工程样机，基于力学等效性原则制备了拟实靶体，对工程样机的侵彻效能开展了试验验证。试验结果表明，对于单轴抗压强度30 MPa的模拟月壤水冰力学等效物能实现快速侵彻，侵彻深度可达234 mm,侵彻时间优于1 s。提出的侵彻式造孔和采样方法具有轻量化、低能耗、高效率、高强度月壤对象突破能力强等突出优势，可为后续月壤水冰采样探测任务提供有益借鉴。     

一种月表采样器合理铲挖深度的研究

铲挖深度是月表采样器的重要技术指标,合理的铲挖深度需既能降低采样器安全风险又可确保一定的采样效率。设计了一种斜插式铲挖方法的月表采样器,针对其构型与铲挖方法,在Reece模型的基础上,通过离散元法推导了月表采样器铲挖阻力矩的表达式。参考历次阿波罗飞船(Apollo)月壤样本数据,在实验室环境下构筑了与月壤物理特性相匹配的模拟月壤,并测得模拟月壤的物理特性参数。然后,根据所测得模拟月壤的物理特性参数,利用所推导的铲挖阻力矩表达式,对月表采样器典型输出力矩下的铲挖深度进行了仿真分析与试验验证,仿真分析结果与试验结果吻合。根据试验结果与月表采样器设计参数确定了合理的铲挖深度,可为月表采样器在月面采样时提供参考。     

基于深度学习神经网络的SAR星上目标识别系统研究

实现对地面目标的智能识别,对一种基于深度学习的卷积神经网络(CNN)的星载合成孔径雷达(SAR)星上目标识别系统进行了研究。系统由星上和地面两部分组成。其中:地面部分进行网络结构设计、SAR图像数据预处理、CNN模型训练、模型压缩及上传;星上部分接收上传模型并解压缩、目标识别、识别后粗筛图像下传地面;地面进行人工筛查,筛查后的正确图像作为训练数据对CNN模型进行再训练,逐步获得精度更高的模型。提出的CNN架构为卷积层2个、下采样层2个、Dropout层3个、Flatten层1个、全连接层2个,最终输出标签11类。为使训练后的CNN模型能部署到卫星上使用,采用数据精度压缩和剪枝两种数据深度压缩方法以减小数据存储量和减低网络复杂度。在Keras深度学习开源库环境中实现设计的CNN模型,对运动和静止目标获取与识别(MSTAR)数据库中的11类军事目标识别的实验结果表明:识别和分类的效果良好,整体识别成功率达96.29%;模型能压缩至原来的1/13,精度损失小于2%。     

采用视觉伺服的月球样品容器夹持控制方法

嫦娥五号探测器月面采样封装任务需利用采样机械臂及其末端执行机构夹持样品容器,为克服非结构化月面环境对机械臂控制造成的不可知影响,确保精确夹持样品容器,提出并设计了一种视觉伺服样品容器夹持的控制方法和系统。系统通过固定安装相机和"眼在手"相机协同获取机械臂末端执行机构以及样品容器特征,采用扩展卡尔曼滤波算法对机械臂末端执行机构位姿的控制参数进行估计,消除控制位姿的轨迹抖动,实现了对样品容器的精确夹持。最后,通过分析在轨月球样品容器被夹持过程的数据和图像,验证了该视觉伺服控制方法和系统设计正确有效。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

月球无人采样返回任务概念设想

分析了无人月球采样任务,包括采样及封装方式分析,飞行过程选择与轨道初步方案,月面软着陆方式选择,月球轨道交会对接的需求,月面起飞上升的要点,地球大气高速再入返回器的外形选择等。在此基础上提出了三种不同的无人月球采样返回任务概念设想,并对其进行了简要比较和分析。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN?LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别。该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

弱全局信息下月面超远距离保通行性移动规划

针对月面超远距离移动规划任务因缺乏精确全局信息而导致的规划路径可通行性不足问题，提出了月面道路拓扑网的构建设想及相应路径规划技术，凭借复杂道路网络的连通能力确保巡视器超远距离规划路径的可通行性。首先进行月面道路拓扑网的设计方法研究，分别提出了基于滑动最优泊松采样算法的网络节点设计方法和基于均匀领邻网络拓扑模型网络结构设计方法，使月面道路网网络节点分布均匀、密度适中且覆盖完整，网络连接合理且各路径尽量远离障碍区域。然后进行基于月面道路拓扑网的超远距离移动规划研究，分析了基于月面道路拓扑网路径规划技术的概率完备性和整体可通行概率，并提出了基于月面道路拓扑网的K优路径规划方法，通过道路网的连通性来提高超远距离移动探测任务的整体可通行概率。最后以阿波罗两次登月任务的着陆点之间进行超远距离转移任务为仿真场景，验证了本方法的有效性。     

嫦娥五号探测器供配电系统设计与验证

结合嫦娥五号探测器主要任务特点,简要介绍了多器供配电系统的功能需求、多器联合供电方案设计,并通过能量平衡仿真分析、多母线融合控制等关键技术,解决了嫦娥五号探测器在复杂空间环境下多任务、多模式的高可靠轻小型化供配电系统设计难题。在轨飞行试验结果表明:供配电系统功能正常、工作可靠、性能优良。提出的嫦娥五号探测器多器组合一体化供配电系统分析与设计方法,满足并确保了月面无人自动采样返回任务可靠实现,可为未来探月工程及其它深空探测领域供配电系统设计提供参考和借鉴。     

Performance of a small and low-cost chamber to simulate lunar surface environment

The performance of a small and low-cost metal chamber built to simulate the pressure and temperature conditions of lunar surface was assessed and the results are presented. This chamber is intended for studying the physical properties of lunar surface and subsurface (using soil simulants) and also to validate the technology readiness of certain newly developed payloads planned for future lunar surface missions (Lander/Rover). It is possible to reach down to ∼10⁻⁷ Pa under specific conditions and maintain the temperature of the sample under investigation to lunar day and night temperatures. The designed system has been subjected to various tests to evaluate its performance and suitability for carrying out experiments in a simulated lunar environment.     

一种星载GNSS-R海面风向反演方法

针对目前海面风场反演中风向反演困难，准确性低的问题，提出一种利用深度网络反演海面风向的新方法，该方法采用星载GNSS-R信号作为遥感源，根据海面反射信号特性与风向相关关系选择反演观测量，建立海面风向反演的深度网络模型。引入ReLU函数作为网络激活函数，并基于遗传算法(GA)优化了网络模型，对输入数据进行时空匹配与归一化处理，通过机器学习建立风向与输入变量的对应关系，利用深度网络模型反演得到海面风向，该方法反演结果的均方根误差εRMSE=18.14°，满足海面风向测量精度均方误差小于20°的一般测量要求，并通过两组对比试验验证了该方法的有效性和鲁棒性。     

Integrating advanced mobility into lunar surface exploration

With growing knowledge of the lunar surface environment from recent robotic missions, further assessment of human lunar infrastructures and operational aspects for surface exploration become possible. This is of particular interest for the integration of advanced mobility assets, where path planning, balanced energy provision and consumption as well as communication coverage grow in importance with the excursion distance. The existing modeling and simulation tools for the lunar surface environment have therefore been revisited and extended to incorporate aspects of mobile exploration. An extended analysis of the lunar topographic models from past and ongoing lunar orbital missions has resulted in the creation of a tool to calculate and visualize slope angles in selected lunar regions. This allows for the identification of traversable terrain with respect to the mobile system capabilities. In a next step, it is combined with the analysis of the solar illumination conditions throughout this terrain to inform system energy budgets in terms of electrical power availability and thermal control requirements. The combination of the traversability analysis together with a time distributed energy budget assessment then allows for a path planning and optimization for long range lunar surface mobility assets, including manned excursions as well as un-crewed relocation activities. The above mentioned tools are used for a conceptual analysis of the international lunar reference architecture, developed in the frame of the International Architecture Working Group (IAWG) of the International Space Exploration Coordination Group (ISECG). Its systems capabilities are evaluated together with the planned surface exploration range and paths in order to analyze feasibility of the architecture and to identify potential areas of optimization with respect to time-based and location-based integration of activities.