A comparative study of ionospheric IRIEup and ISP assimilative models during some intense and severe geomagnetic storms

Three-dimensional (3-D) electron density matrices, computed in the Mediterranean area by the IRI climatological model and IRIEup and ISP nowcasting models, during some intense and severe geomagnetic-ionospheric storms, were ingested by the ray tracing software tool IONORT, to synthesize quasi-vertical ionograms. IRIEup model was run in different operational modes: (1) assimilating validated autoscaled electron density profiles only from a limited area which, in our case, is the Mediterranean sector (IRIEup_re(V) mode); (2) assimilating electron density profiles from a larger region including several stations spread across Europe: (a) without taking care of validating the autoscaled data in the assimilation process (IRIEup(NV)); (b) validating carefully the autoscaled electron density profiles before their assimilation (IRIEup(V)).The comparative analysis was carried out comparing IRI, IRIEup_re(V), ISP, IRIEup(NV), and IRIEup(V) foF2 synthesized values, with corresponding foF2 measurements autoscaled by ARTIST, and then validated, at the truth sites of Roquetes (40.80°N, 0.50°E, Spain), San Vito (40.60°N, 17.80°E, Italy), Athens (38.00°N, 23.50°E, Greece), and Nicosia, (35.03°N, 33.16°E, Cyprus). The outcomes demonstrate that: (1) IRIEup_re(V), performs better than ISP in the western Mediterranean (around Roquetes); (2) ISP performs slightly better than IRIEup_re(V) in the central part of Mediterranean (around Athens and San Vito); (3) ISP performance is better than the IRIEup_re(V) one in the eastern Mediterranean (around Nicosia); (4) IRIEup(NV) performance is worse than the IRIEup(V) one; (5) in the central Mediterranean area, IRIEup(V) performance is better than the IRIEup_re(V) one, and it is practically the same for the western and eastern sectors.Concerning the overall performance, nowcasting models proved to be considerably more reliable than the climatological IRI model to represent the ionosphere behaviour during geomagnetic-ionospheric storm conditions; ISP and IRIEup(V) provided the best performance, but neither of them has clearly prevailed over the other one.     

光敏推进剂激光烧蚀过程建模与仿真

相较于传统大卫星,微小卫星具有结构紧凑、质量轻便和成本低廉的特点。然而,受功率和质量负载的限制,微小卫星一般不装备推进系统,其航线也局限于近地轨道。为扩展微小卫星的功能,满足日益复杂的任务需求,需给其配备合适的微推进系统。固体推进系统具有结构简单、寿命长、可靠性高的优点,但无法重复启动。为得到可重复启动的固体微推进系统,设计了一种非自持燃烧的光敏推进剂,采用激光控制其燃烧。在背压为大气压的环境下,利用高速摄像机拍摄燃烧过程并记录燃速。之后,对光敏推进剂的激光烧蚀过程进行建模。分析结果表明:激光可控制光敏推进剂的燃烧,燃速与激光强度成线性关系;该光敏推进剂的最小激光点火强度为0.28 W/mm~2;燃速计算值与实测值的误差在10%以内,证明该数学模型具备工程应用价值。     

热防护系统损伤容限分析

建立了含初始矩形损伤的热防护系统(Thermal protection system,TPS)气动热分析的CFD数值模型,分析结果表明损伤区域侧壁出现了很高的热流密度峰值,并且迎风面侧壁峰值高于背风面,而损伤区域底部热流密度却很低。利用分析获得的热流密度建立了含损伤和无损伤TPS的有限元传热分析模型。分析结果表明:损伤的存在导致防热瓦最高温度急剧上升,超过其材料能承受的极限温度(1 500℃),防热瓦首先失效,而损伤对机体最高温度影响较小。最后进行了TPS损伤容限分析,在防热瓦极限温度约束下,外部热流密度最大值从100kW/m2增加到140kW/m2,矩形损伤宽度最大容许值从22.7mm减小到12.6mm,而弧形损伤宽度最大容许值从34.6mm减小到25.1mm,即随着外部热流密度最大值增加,损伤宽度的最大容许值降低,并且相同外部热流密度水平下弧形损伤宽度的最大容许值大于矩形损伤。     

基于深度学习的空间站舱内服务机器人视觉跟踪

为提升舱内跟随服务机器人的任务辅助能力,解决机器人对航天员的视觉跟踪问题,提出了一种基于深度学习和概率模型的人体视觉跟踪算法。利用深度卷积神经网络实现了对穿着多样、姿态任意人体的稳定检测。结合人体检测结果,设计了运动预测概率模型,实现了对指定人员准确、连续的跟踪。算法对包含大多数航天员活动的多个数据集进行了验证。实验结果表明:提出的跟踪算法实现了对穿着多样、姿态任意人体的稳定跟踪,并有效避免了由于穿着相似、遮挡可能造成的误跟踪问题。该算法为空间站舱内跟随服务机器人对航天员的视觉跟踪提供了有效的解决方法。算法基于融合的RGB-D图像,工程上易于构建和实现,也可拓展到其他跟随服务机器人视觉跟踪任务中。     

基于产品结构的航天器AIT过程多维数据管理系统

文章为解决航天器AIT过程中数据集成度低、数据应用不佳等问题,从数据模型构建、数据集成等方向出发,分析了AIT过程数据在产品结构、时间周期、阶段型号3个维度的演变过程,构建了多维数据模型,并开发基于产品结构的多维数据管理系统。该系统以产品结构为核心,对AIT过程数据进行重新组织,定义不同系统间、不同维度数据之间的关联关系,实现了AIT过程全数据的结构化整合,在此基础上生成了AIT过程数据包。     

基于TLE的弹道系数计算方法及应用分析

针对仅使用两行要素（Two Line Element，TLE）作为数据源的应用需求，研究了基于TLE轨道衰减的弹道系数计算方法。介绍了一种常用的基于两组TLE的直接计算法，分析TLE选取间隔对结果精度的影响；提出了一种基于多组TLE的迭代计算方法，以降低异常TLE对计算结果的影响；从弹道系数计算效果、在再入预报中的应用等方面对这两种方法进行比较分析。结果表明，两种方法各有优劣，基于多组TLE的迭代计算法稳定性更高、受TLE精度的影响更小；由于数据区间更短，基于两组TLE的计算结果对短期轨道衰减特性反应得更准确，用于临近再入时的预报效果更好。     

一种针对局部结构的有限元模型修正方法

针对实际结构有限元模型（FEM）的建模误差通常仅存在于局部区域，提出了一种对局部结构单独进行模型修正的方法。首先，根据频响函数（FRF）解耦理论得到由残余结构频响函数与包含待修正参数的局部结构动刚度所重构的整体结构频响函数的拟合值，然后通过迭代优化使其与测量值的残差最小化，从而得到参数的极大似然估计。在此基础上，将残差关于参数的灵敏度以局部结构动力学矩阵表示，建立了模型修正的基本方程，利用整体结构的测试数据即可直接对分离出来的局部结构进行模型修正。最后，对喷气式飞机和三角机翼飞机分别进行了数值模拟和实验研究，验证了所提方法的可行性和有效性。结果表明，所提方法可以成功地用于仅局部区域含有建模误差的实际结构有限元模型的修正，修正后的有限元模型的动态特性与实际结构有较好的一致性。     

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection，CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中，为提高太阳风预报的准确率，需要提高CME参数识别的精度.模型以计算任务串行的方式运行，运算效率低导致模型运算时间长，不能满足这种需求.CME参数识别模型的物理运算过程相互不独立，其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架，改进了CME参数识别模型的计算流程，提出CDMR（CME detection under MapReduce）方法，实现了CME参数识别模型的并行计算，并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间，提高了模型的识别精度和计算效率.      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.