基于纹理边界检测的航天器椭圆特征提取方法

为确定失效航天器等非合作目标的相对位姿，提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界，利用上一时刻相对位姿信息，将对接环离散几何模型投影到像平面，并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差，进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性，因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验，分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比，结果表明，所提出的算法具有较高的精度和速度。     

液体火箭发动机环境因子的修正逆矩估计

对文献 [1]提出的适用于大样本失效数据的逆矩估计法进行修正 ,针对液体火箭发动机飞行及地面试车数据的特点 ,提出了其天地环境因子的修正逆矩估计方法。与现有方法相比 ,本文提出的方法更加适用于小样本失效数据情形下环境因子问题的研究。最后用数值例说明了该方法的应用     

基于RBF神经网络的结构光三维视觉检测方法

研究了基于RBF(Redial Basis Function)神经网络的结构光三维视觉检测方法.该方法利用RBF网络良好的非线性映射能力以及学习、泛化能力,通过所获取的高精度的样本数据来训练RBF网络,最终建立起了用于结构光三维视觉检测的RBF网络模型.与常规方法相比,该方法不需要考虑视觉模型误差、光学调整误差等因素对视觉检测系统测量精度的影响,因而能够有效的克服常规建模方法的不足,保证了检测系统具有较高的精度.     

元强化学习综述

元强化学习是指自动从一组相关任务中学习强化学习所需归纳偏置的相关理论和方法,对于提高强化学习算法在困难场景下的样本效率和泛化能力具有重要用途。本文提出一种新的元强化学习框架,指出设计和分析一个元强化学习算法需要同时考虑学习经验（相关任务）、归纳偏置及学习目标3个独立因素及这3个因素之间的依赖关系。在此基础上对该领域的研究现状进行了分析和总结,特别对近年来元强化学习若干文献进行了分析和归类,并详细阐述了几种代表性算法的原理及各自特点。本文还对元强化学习常用的实验环境和性能评价方法进行了介绍,对该领域的不足和未来的发展方向进行了讨论和分析。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

全样本场合几何分布产品步进应力加速寿命试验TFR模型下的统计分析

本文首次将步加试验中的损伤失效率模型应用于离散型寿命分布场合,给出了TFR模型几何分布产品全样本场合多步步加试验下参数的极大似然估计。并通过一例子来说明方法的可行性。     

月球取样返回器回收半实物仿真系统研究

月球取样返回器回收半实物仿真系统是通过模拟返回器取压孔附近压力环境,将回收程控装置硬件实物接入仿真系统并构成实时仿真回路的半实物仿真平台。文章介绍了月球取样返回器回收半实物仿真系统的研制意义,对系统总体结构和设计方案、网络环境、运行流程和新的设计特点进行概括,在面向对象的基础上建立了分阶段的月球取样返回器降落伞回收系统整个工作过程的动力学模型,利用空投试验测量数据对模型的仿真精度进行验证分析,并对半实物仿真系统的实时性和压力模拟精度进行了分析。结果表明,半实物仿真系统的各项技术参数均达到设计指标,可为中国探月工程三期中月球取样返回器回收分系统的可靠性评估提供重要的技术支持。     

用于深层月壤采样返回的软质取心袋的设计与测试验证

月壤钻探采样技术尤其无人自主采样返回技术是我国探月工程的关键技术之一。文章提出了一种适于深层月壤钻探采样的取心机构,能够实现对月壤样品的原位包裹,以保持样品的层理特性信息。该机构选用Kevlar作为包裹样品用的软质取心袋材料,采用满足要求的编织工艺织造出致密薄壁的软袋,并对软袋进行了翻转抽拉力、力学性能及涂层测试分析等测试试验,验证其可满足深层月壤钻探采样任务的需求。     

一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

Roadmap to a human Mars mission

We propose a new roadmap for the preparation of the first human mission to Mars. This proposal is based on the work of ISECG and several recent recommendations on human Mars mission architectures. A table is proposed to compare the possible benefits of different preparatory missions. Particular attention is paid to the possibility of qualifying important systems thanks to a heavy Mars sample return mission. It is shown that this mission is mandatory for the qualification of Mars aerocapture at scale-1, EDL systems at scale 1 and Mars ascent. Moreover, it is a good opportunity to test many other systems, such as the heavy launcher and the transportation systems for the trips beyond LEO. These tests were not mentioned in the last ISECG report. This strategy is facilitated in the case of the simplified Mars mission scenarios that have recently been presented because it is suggested that relatively small vehicles with small crew sizes are used in order to optimize the payload mass fraction of the landing vehicles and to avoid the LEO assembly. An important finding of the study is that a human mission to the surface of the Moon is not required for the qualification of the systems of a human mission to Mars. Since affordability is a key criterion, two important missions are proposed in the roadmap. The first is a heavy Mars sample return mission and the second is a manned mission to a high Earth orbit or eventually to the vicinity of the Moon. It is shown that both missions are complementary and sufficient to qualify all the critical systems of the Mars mission.