Trajectory Estimation with Multi-range-rate System Based on Sparse Representation and Spline Model Optimization

The classic state methods for trajectory estimation in boost phase with multi-range-rate system include method of point-by-point manner and that of spline-model-based manner. Both are deficient in terms of model-approximation accuracy and systematic error determination thus resulting in the estimation errors well beyond the requirements, especially, concerning the maneuvering trajectory. This article proposes a new high-precision estimation approach based on the residual error analysis. The residual error comprises three components, i. e. systematic error, model truncation error and random error. The approach realizes self-adaptive estimation of systematic errors in measurements following the theory of sparse representation of signals to minimize the low-frequency components of residual errors. By taking median- and high-frequency components as indexes, the spline model-approximation is improved by optimizing node sequence of the spline function and the weight selection for data fusion through iteration. Simulation has validated the performances of the proposed method.     

漂浮基空间机械臂姿态、关节协调运动的模糊小波神经网络控制

讨论了本体姿态受控、位置不受控制的漂浮基空间机械臂系统协调运动的动力学控制问题. 根据系统位置几何关系、动量守恒关系和第二类拉格朗日方程, 建立漂浮基空间机械臂系统的动力学方程. 在此基础上, 针对系统参数未知的情况, 设计了一种采用小波基函数作为模糊隶属度函数的模糊神经网络控制器, 以控制空间机械臂的本体姿态和机械臂两关节铰协调地完成各自在关节空间的期望运动. 其特点是不要求系统动力学方程关于惯性参数呈线性函数关系, 甚至不需要知道系统参数;而且网络权值是采用反向传播算法根据误差进行在线学习, 使模糊神经网络获得更强的自学习和自适应能力, 同时也节省了离线学习的时间. 系统数值仿真的结果证实上述控制方案是行之有效的.      

频率不变宽带波束形成权重系数的稀疏优化

在基本的傅里叶变换频率不变波束形成(FIB)基础上,从减少抽头权重系数数量,降低FIB运算量角度出发,提出基于最小l0范数的抽头权重系数稀疏优化模型,并采用正交匹配追踪(OMP)算法来求解该优化问题。在高增益、等波纹、低旁瓣FIB方向图的要求下,所提出的优化方法使得稀疏率降低到3.53%,且能够保证稀疏优化后的方向图误差小于1%。接着进一步开展阵元数量的稀疏优化,有效地减少了阵元通道数,进一步降低了算法实现的硬件复杂度。仿真结果验证了所提方法的正确性和有效性。     

聚全氟乙丙烯塑料和金属连接试验研究

研究了热塑性氟塑料——聚全氟乙丙烯(FEP)和金属的连接方法，包括过渡层粘接和机械连接两种。采用自制的过渡层，利用模塑方法使FEP和不锈钢的粘接强度达到16MPa以上。同时采用机械滚边收口方法，可以提高FEP和金属含架的连接可靠性。     

红外与可见光图像融合的空间碎片识别方法

针对暗弱空间环境中空间碎片的识别问题,提出了一种光照不均匀环境中的空间碎片识别方法。不同于现有识别方案,该方法从光照不均匀导致空间碎片图像源细节丢失造成识别性能下降的角度出发,首先将空间碎片的红外和可见光图像进行深度融合,并建立空间碎片融合图像数据库,然后基于训练样本采用深度学习技术训练得到空间碎片识别模型。算法分析表明,该图像融合方案具有高度的细节保留能力,识别模型具有在暗弱环境中高精度目标识别能力。最后进行了仿真实验,实验结果表明,该识别方案在姿态变化、图像源亮度变化等干扰条件下都具有较好的鲁棒性。     

USB与VLBI联合确定“探测一号”卫星轨道

我国绕月探测工程“嫦娥一号”卫星将以统一S波段(USB)为主,辅以甚长基线干涉仪(VLB I)测轨分系统来完成测控任务。由于“探测一号”卫星轨道与“嫦娥一号”调相轨道段相似,有关单位于2005年3月17日—20日进行了USB和VLB I联合跟踪“探测一号”试验。通过对联合测轨数据的处理,研究了USB—VLB I联合定轨方法,分析了联合定轨和预报精度,得出了一些结论。     

复合材料层合板机械连接研究进展

机械连接因其可靠性以及连接工艺上的优势,受到学者和工程界的高度重视.当前国内外学者对机械连接的研究主要是进行数值模拟与试验研究.接头的承载强度、失效形式以及疲劳性能是衡量接头性能的主要指标.接头形式、铺层角度、几何尺寸、钉孔间隙、预紧力等是影响接头性能的主要因素.在实际工程应用中,这些研究对于提高复材机械连接性能有着重要意义.     

Analytical and semi-analytical inverse kinematics of SSRMS-type manipulators with single joint locked failure

Redundant space manipulators, including Space Station Remote Manipulator System (SSRMS), Special Purpose Dexterous Manipulator (SPDM) and European Robotic Arm (ERA), have been playing important roles in the construction and maintenance of International Space Station (ISS). They all have 7 revolute joints arranged in similar configurations, and are referred to as SSRMS-type manipulators.     

Bottom-Up Saliency Estimation Based on Redundancy Reduction and Global Contrast

A new algorithm for bottom-up saliency estimation is proposed. Based on the sparse coding model, a power spectral filter is proposed to eliminate the second-order residual correlation, which suppresses the global repeated items effectively. In addition, aiming at modeling the mechanism of the human retina prior response to high-contrast stimuli, the effect of color context is considered. Experiments on the three publicly available databases and some psychophysical images show that the proposed model is comparable with the state-of-the-art saliency models, which not only highlights the salient objects in a complex environment but also pops up them uniformly.     

基于深度学习的地空导弹发射区拟合算法

目前地空导弹发射区的拟合算法主要是多项式拟合法和BP神经网络拟合法。多项式拟合法存在函数形式难以确定、函数范围不易分段等问题，且拟合精度较低；传统神经网络方法要想达到较高精度，需要大量的隐层节点，且在隐层节点数增加到一定程度后，训练变得十分困难且精度很难继续提高。同时，传统神经网络需要大量的标签数据，进一步增大了实际应用的难度。为此，基于深度学习理论，设计了一种基于堆栈稀疏自编码器（SSAE）的深度拟合网络（DFN），并给出了相应的训练策略。仿真实验表明其相比传统算法具有更小的拟合误差优势。所设计的深度稀疏自编码器网络可以克服多项式拟合和传统神经网络的不足，不仅可以在大量无标签数据和少量标签数据条件下进行学习训练，而且可以进一步提升地空导弹发射区的拟合精度。