航天器舱门零重力环境模拟卸载系统设计分析

卸载系统是舱门展开试验装备的重要组成部分,重点对展开试验卸载系统进行设计与分析研究。鉴于空间舱门运行轨迹复杂,采用二维滑轨吊挂方法适应曲线展开轨迹。针对质量大、易导致支撑部件变形以及卸载困难,采用多点长距离支撑均匀分散受力。设计柔性自适应弹性吊挂,对运行过程波动进行有效缓冲,避免刚性碰撞。采用高精度数显可读式拉力传感监测系统,实现展开过程拉力在线检测。针对高卸载效率要求,采用二维可调式转接组件适应多状态舱门调平,最后实现卸载率96.31%以上。结果表明,舱门零重力环境模拟卸载系统设计方法可行,分析过程合理,满足工程应用需求。     

利用地磁场给飞轮卸载的新方法

通过对圆轨道地磁场强度的变化规律分析 ,将卫星磁力矩器产生的磁矩按傅立叶级数展开 ,根据卫星所需卸载角动量大小 ,按照最优控制理论求出三轴磁矩取值 ,得出飞轮卸载控制律。最后文章给出飞轮卸载稳定性分析和仿真结果 ,表明这种飞轮卸载方法简单而且省能量。     

基于均匀圆形天线阵的涡旋电磁波产生与接收误差分析

为分析均匀圆形天线阵产生与接收涡旋电磁波时的误差特性，研究天线阵元激励相位存在高斯分布误差、量化误差以及单个阵元误差时产生的涡旋电磁波幅相特征，计算轨道角动量模态并给出准确辨认模态时的各误差阈值，分析接收阵列与产生阵列不平行时的幅相分布.仿真结果表明，在各类相位误差条件下，涡旋电磁波主瓣幅度由环状变得不规则，相位在主瓣宽度内保持良好，轨道角动量模态在小倾斜角接收误差下不能辨认.研究结果说明涡旋电磁波对各类激励相位误差具有良好的抗干扰特性，对倾斜角接收误差具有较高的敏感性，这将为利用涡旋电磁波实现多路复用奠定基础.      

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

零动量卫星轮控系统可重构性设计研究

针对卫星姿态控制系统设计中常见的动量轮配置问题,总结了星上常用的5种轮控系统构型,首先对各种构型从角动量包络、干扰力矩下动量轮的饱和情况、系统功耗和可靠性等方面进行了可重构性分析和比较,在此基础上提炼了动量轮可重构性设计准则,可为轮控系统的设计提供参考依据。     

受扰挠性卫星角动量反馈控制

将动量轮角的动量测量信息引入反馈控制系统,给出角动量反馈控制器的具体形式,证明了挠性卫星闭环系统稳定性,并分析控制系统对周期性干扰的抑制特性以及系统稳态精度,最后给出数学仿真结果.     

一种有效提高CE-1卫星卸载前后精密星历衔接精度的定轨策略

主要讨论了动量轮卸载对嫦娥一号卫星绕月轨道的影响以及这种影响对其精密星历衔接段精度的影响,分析了不同轨道改进策略下的精密星历衔接弧段的精度,认为使用2~3d的弧段进行轨道改进及卸载计算能得到较高精度的搭接星历,并通过使用实测数据进行定轨改进计算进行了验证,结果表明,该策略可以使星历衔接精度在沿迹方向(T)提高至优于100m量级。     

空间站组合体惯性系内角动量管理控制

针对惯性系内重力梯度力矩与气动力矩的常值部分积累引起控制力矩陀螺饱和的问题,在惯性系内建立空间站的动力学模型并进行线性化,利用滤波变量将系统状态方程扩维,采用LQR方法设计系统反馈控制增益矩阵,实现空间站在惯性系内的角动量管理控制.惯性系内重力梯度力矩、气动力矩由轨道角速度整数倍的频率成份构成,可以根据实际情况增加抑制不同频率成份的滤波变量,用于抑制不同频率成份干扰力矩对空间站姿态或控制力矩陀螺角动量的干扰,从而使空间站长期在惯性系内飞行而不需要进行角动量的卸载.仿真验证了控制器的性能.     

利用喷气装置卸载航天器积累角动量的最小工质损耗控制

讨论利用喷气装置卸载航天器积累的外扰角动量过程中 ,实现最小工质损耗的问题。提出了在航天器绕自己质心转动的过程中实现对这一角动量进行卸载的新思路。文中采用极大值原理求得了最优工质损耗并举出了实例     

基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一。针对传统PID控制方式动作响应慢、鲁棒性差等缺点,提出了一种基于径向基函数（RBF）神经网络的智能控制方式。该方式有很强的非线性拟合能力,且学习规则简单,可映射任意复杂的非线性关系,便于计算机实现。利用该特性,设计了一种重力卸载精度较PID控制方式更高的控制器。该控制器应用正交最小二乘法辨识的控制模型,在带负荷的伺服电机数学模型条件下,使用基于梯度下降法更新权重的RBF神经网络,最后通过s 函数编写,得到Matlab仿真图像。仿真结果与PID控制方法相比响应迅速,鲁棒性强,重力卸载精度更高（98%）。