航空液压泵磨损状况预测

磨损是航空液压泵典型的渐进性故障之一,因磨损量难以测量,对磨损状况进行准确的预测比较困难.针对上述问题,提出了基于多尺度数据的支持向量机预测方法,该方法将支持向量机用于时间序列预测的基本理论和数据多尺度分解、相空间重构方法结合,能更有效地挖掘时间序列的内在联系及变化规律.采用回油流量作为反映航空液压泵磨损状况的敏感信号,将其分解为趋势项和随机项,采用多尺度支持向量机作等维信息一步预测和多步预测,利用网格方法对预测模型参数寻优.对比传统支持向量机算法分析其预测精度,结果表明:多尺度支持向量机模型预测精度更高,适于中长期预测.      

卫星在轨故障案例与人工智能故障诊断

减少卫星在轨故障,使卫星按设计寿命要求在轨执行飞行任务是卫星设计的一个重要课题.为了分析在轨卫星故障的原因,探索最新的卫星故障诊断方法,首先收集了2003～2021年卫星典型在轨故障案例,然后对卫星故障从不同的维度进行统计分析和相关性分析,包括卫星平台与卫星故障的相关性、卫星在轨时长与卫星故障的相关性等,最后介绍了基于...     

高轨卫星星载计算机优化设计与实现

首先对当前星载计算机系统在高轨卫星领域的应用现状进行了分析，主要涉及处理器最小系统的存储器设计、数据共享及总线协议设计等。针对上述3个方面存在的不足，提出了处理器最小系统存储器优化设计方案，解决了存储器应用与选型的困境；采用“存储器+FPGA电路”的设计方法，实现了主备机数据共享；提出了一种自适应总线协议设计方法，解决了1553B总线协议通用性较差等问题。提出的设计方法，在中国下一代大容量通信卫星平台的星务计算机系统中得以应用，并取得了较好的效果，为星载计算机系统后续优化设计工作提供了新的思路。     

基于趋势符号聚合近似的卫星时序数据分类方法

作为在时间序列数据挖掘中广泛使用的主要符号化表示方法，符号聚合近似（SAX）使用段的平均值作为符号表示，由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列，某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似（TrSAX），集成SAX与最小二乘法，用以描述时间序列的均值和斜率，并由此构建出BOTS分类器。此外，对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析，并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离（ED）、动态时间规整（DTW）的1-NN分类方法进行对比，结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。      

ERS-1 radial position refinement by dual crossover analysis with TOPEX/Poseidon

Achieving orbital accuracies in the radial direction for ERS-1 commensurate with those for TOPEX/Poseidon is of utmost importance for the integration of the two altimeter data sets. This paper outlines a procedure whereby the radial orbit error for ERS-1 is recovered as a time series expansion in the form of a finite Fourier series with additional terms for atmospheric drag, solar radiation pressure, and initial state vector mismodelling. Using a least squares collocation method with constraints derived from the JGM2 gravity field co-variance matrix, the radial error is recovered using both dual crossovers and ERS-1 single satellite crossovers. Aggregate arcs are then used to derive the ERS-1 orbit error over the repeat period of 35 days. The results are presented in the improvement of fit in the dual crossover, ERS-1 crossover and altimetry data sets as well as the recovery of an altimeter bias for the two satellites.     

量子科学实验卫星的多维数据立方体方法研究

科学实验卫星以科学目标为任务战略导向，需要任务团队结合实际业务运行情况制定阶段实验计划.这些实验计划以任务运行数据为依据，由科学卫星任务各分系统数据分析获得的策略集合综合得到.量子科学实验卫星在轨运行期间会产生大量运行数据，如何有效利用这些数据给不同决策层提供辅助是当前面临的一大难题.目前主流方式主要借助值班日志统计和常规的数据库系统数据统计，需耗费较多时间和人力成本，对分析人员专业技能要求较高，无法满足多角度和多粒度任务研判的要求，并且该方法可扩展性差，当问题的观察角度变化时，往往需要重新组织数据统计分析.针对上述问题，本文提出一种基于数据立方体的多维数据建模和分析方法，对于不同主题，能够对数据进行多层次、多角度、多粒度统计分析，为决策提供良好支持.      

轨道姿态误差对TDI-CCD相机行周期及偏流角的影响分析

与其他文献的几何方法不同,本文从运动学角度出发,选定合适的参考系后,按照一系列不同坐标系的坐标转换,完成星下点运动速度矢量在敏感器坐标系的推导,把姿态、轨道、安装偏差作为相关参数,经过一系列坐标变换,表征在最终的偏流角公式及行转移频率动态公式中;在通常的对地稳定指向模式下,姿态参数和安装偏差很小,仅保留一阶小量.根据矢量表达,解析地给出行转移频率及偏流角与轨道、姿态的关系,从而方便分析误差的影响,并以几个典型的低轨为实例作了说明.     

星载软件可测试性设计方法

随着星载软件复杂度的增加,提高软件测试效率对保证软件质量越来越重要,软件的可测试性设计成为提高软件测试效率的关键手段。文中针对星载软件的可测试性设计提出了四种方法:设计可测试的分层体系结构可将软件故障限制在层次范围内;合约式任务模板可规范任务的输入输出,降低任务间的耦合性;状态序列编码可用于动态指示软件的切换与流向;多任务调度记录与堆栈使用记录可用于静态复现一段时间内软件的详细工作过程。可测试性设计方法应用在某项目的软件研制中,软件测试效率有明显提高,证明方法可行有效。     

Task allocation strategies for cooperative task planning of multi-autonomous satellite constellation

In recent years, the application of imaging satellites has entered a completely new stage, with the new demands such as rapid response to emergency events, observation of large-scale regional targets and multivariate data fusion, the multi-autonomous satellite constellation has been proposed. This paper first designs the structure of multi-autonomous satellite constellation, and a centralized-distributed structure is proposed. This structure could improve the dynamic response capacity of the whole constellation. Then, this paper adds adapted filtering mechanism to single autonomous satellite online scheduling algorithm to enhance its performance. This article also pays more attention on task allocation strategies of the master satellite in constellation, and ten different task allocation strategies based on five dimensions are analyzed by simulation experiments. At last, this paper extracts several characteristic features of the regular observation targets and designs a selector based on support vector machine (SVM). This selector could select an appropriate strategy according to the features of each experiment scenario.