基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。     

可靠性设计优化的球空间设计法

可靠性设计优化（RBDO）在航空航天等领域已经被广泛应用，具有显著提高可靠性的效果；然而它包含两个迭代循环-总体优化循环和可靠性分析循环，双循环求解方法效率低下甚至难以承受。本文提出一种可以提高可靠性设计优化求解效率的方法-球空间设计法，该方法可以方便地表达搜索区域，最大可能失效点可以从极值点处精确获取；同时，该方法可以将总体优化以及可靠性分析同步进行。本文所提出的球空间法的有效性将通过2个算例进行测试，测试结果表明该方法不仅精度与同类方法持平，求解效率有明显提升，它将会对提高航空航天装备如卫星、火箭、飞行器等产品的可靠性提供更为有效的方法和技术支持。     

空间目标监视雷达信号频率的优选准则

随着在轨微小卫星及空间碎片数量不断增加，为保证在轨卫星的运行安全，需要对微小目标进行有效跟踪探测及稳定编目。雷达作为近地空间目标监视的主用设备，在对厘米级小目标进行探测跟踪时，其工作频率是决定其能否可靠探测关键因素，高频有利于探测小目标，并可获得相对稳定的RCS，但高频信号的波束小、搜索能力较低，实现难度大，也使得成本过高。为适于实际工程应用，需从效费比出发，对频率进行优选。本文从目标RCS的角度提出一种空间目标监视雷达信号频率的优选准则，给出该准则下周长波长比ka的取值范围。为了更加清楚地说明该优选准则的应用，给出了直径5 cm和10 cm的目标在该准则下信号频率的取值范围，并与国外工作做了比较，证明该准则可行。     

基于G-M制冷机的大尺寸冷屏设计方法

介绍了基于Gifford-Mcmahon (G-M)制冷机的大尺寸冷屏的设计方法。该低温冷屏配合真空环境模拟室共同使用，为遥感卫星的星载遥感器等部件的红外定标试验提供20K的低温冷背景。该冷屏采用5台G-M制冷机进行制冷，外形尺寸达到1m×1m，是目前国内同类型冷屏中尺寸最大的。详细介绍了冷屏在容器内的安装布置、冷缩时的补偿等结构设计方法、冷屏的表面温度分布以及降温时间等计算分析。成功解决了大尺寸冷屏在低温环境下的冷缩补偿难题，试验结果表明:冷屏主要测点温度为15K，温度均匀性误差为±1K，达到并超过设计要求。      

MIDACO software performance on interplanetary trajectory benchmarks

A numerical study of the MIDACO optimization software on the well known GTOP benchmark set, published by the European Space Agency (ESA), is presented. The GTOP database provides trajectory models of real-world interplanetary space missions such as Cassini, Messenger or Rosetta. The trajectory models are formulated as constrained nonlinear optimization problems and are known to be difficult to solve.     

基于TEC的空间站末端回路温控系统建模及其热力学性能分析

针对空间站中间回路温度波动过大,高温时导致科学载荷工作温度超出允许范围的问题,设计了一种基于热电制冷器(TEC)的末端单向流体回路温控系统。该系统包含一个TEC温控模块,当中间回路温度过高,末端回路冷却功率不足时,该模块可提供额外的制冷量,降低流入冷板的工质温度,形成针对科学载荷的相对低温区域,恢复回路的冷却能力。分别建立了温控系统数学模型与数值仿真模型,并完成了热负载扰动、中间回路温度扰动、末端回路流量扰动和并联支路热扰动等4种扰动对系统热力学特性影响的仿真分析,验证了TEC模块的温控性能。结果表明:在科学载荷发热功率增加30%、中间回路的温度升高5K、末端回路流量减小至0.0015kg/s等多种工况下,所设计的温控系统能够将载荷温度控制在1K以内,实现科学载荷精确温控。      

空间冗余机械臂零反作用最优路径规划

自由漂浮空间机械臂运动通过力传递会对其载体航天器产生反作用力和力矩,从而影响基座和末端执行器的位置与方向。利用冗余机械臂的反作用零空间,求解对基座航天器姿态零干扰的机械臂运动规律的解析解。给定机械臂初始和终端状态,考虑最大关节角约束和最大关节角加速度约束,分别针对时间最优和沿整个运动路径关节加速度最小的问题,采用高斯伪谱法,在零反作用轨迹解集中寻找满足约束方程的最优解。所得最优解使得机械臂在达到期望构型的同时不影响基座姿态。将算法用于平面3自由度冗余机械臂系统中,仿真结果表明:算法在保证基座姿态稳定的同时,关节运动满足给定的约束条件,从而验证了算法的有效性。     

Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization

An efficient method employing a Principal Component Analysis (PCA)-Deep Belief Network (DBN)-based surrogate model is developed for robust aerodynamic design optimization in this study. In order to reduce the number of design variables for aerodynamic optimizations, the PCA technique is implemented to the geometric parameters obtained by parameterization method. For the purpose of predicting aerodynamic parameters, the DBN model is established with the reduced design variables as input and the aerodynamic parameters as output, and it is trained using the k-step contrastive divergence algorithm. The established PCA-DBN-based surrogate model is validated through predicting lift-to-drag ratios of a set of airfoils, and the results indicate that the PCA-DBN-based surrogate model is reliable and obtains more accurate predictions than three other surrogate models. Then the efficient optimization method is established by embedding the PCA-DBN-based surrogate model into an improved Particle Swarm Optimization (PSO) framework, and applied to the robust aerodynamic design optimizations of Natural Laminar Flow (NLF) airfoil and transonic wing. The optimization results indicate that the PCA-DBN-based surrogate model works very well as a prediction model in the robust optimization processes of both NLF airfoil and transonic wing. By employing the PCA-DBN-based surrogate model, the developed efficient method improves the optimization efficiency obviously.     

月球表层采样样品智能确认方法

表层采样是月球采样探测的重要方式，样品智能确认有助于提升工作效率与复杂问题处理能力。结合月球表层采样铲挖工作过程，分析了铲挖过程中臂载相机图像的特点，模仿有人参与识别过程，提出了层次解耦的月球样品智能识别流程，利用深度学习方法构建了一类深度卷积识别网络，完整地描述了图像、特征、标记在网络中的正反传递关系，并在月球表层采样地面试验中进行了验证，结果表明该方法对不同光照、不同背景、不同过程、不同形态的样品，具有较好的泛化识别能力，误识别率优于8.1%，平均单幅识别时间约0.7 s。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。