一种基于层次聚类的空间非合作目标重构方法

由于激光传感器内在的缺陷，获得的非合作目标原始点云数据往往处于一个分布不均匀的状态，这就对后续的高质量非合作目标表面重构带来了很大的挑战.提出了一种基于全局约束的局部层次聚类方法来提升非合作目标点云分布的连续性.该方法主要可分为两步：1.基于全局约束的自适应八叉树三维空间分解，2.基于全局约束的层次聚类.第一步的主要目的是为了降低算法的复杂度，第二步则将分布不均匀的点集转化为均匀分布的状态.本文在三个非合作目标模型上进行了实验.实验的可视化结果与定量计算结果均验证了该方法的有效性.     

Predicting the vulnerability of spacecraft components: Modelling debris impact effects through vulnerable-zones

The space environment around the Earth is populated by more than 130 million objects of 1 mm in size and larger, and future predictions shows that this amount is destined to increase, even if mitigation measures are implemented at a far better rate than today. These objects can hit and damage a spacecraft or its components. It is thus necessary to assess the risk level for a satellite during its mission lifetime. Few software packages perform this analysis, and most of them employ time-consuming ray-tracing methodology, where particles are randomly sampled from relevant distributions. In addition, they tend not to consider the risk associated with the secondary debris clouds. The paper presents the development of a vulnerability assessment model, which relies on a fully statistical procedure: the debris fluxes are directly used combining them with the concept of vulnerable zone, avoiding the random sampling the debris fluxes. A novel methodology is presented to predict damage on internal components. It models the interaction between the components and the secondary debris cloud through basic geometrical operations, considering mutual shielding and shadowing between internal components. The methodologies are tested against state-of-the-art software for relevant test cases, comparing results on external structures and internal components.     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

大型不规则椭球回转面的曲面重构与仿真加工

提出了大型不规则椭球回转面的一种新的曲面重构与仿真加工方法。基于GeomagicStudio软件,处理大型不规则椭球回转面的采集数据点云,重构了实测曲面的等距面模型;采用Pro/E对实测曲面的等距面模型进行等距操作,生成实测曲面模型;利用GeomagicQualify软件对实测曲面的等距面模型相对于原始数据点云,以及实测曲面模型相对于理论曲面模型进行误差分析;最后利用Pro/NC模块对实测曲面模型进行数控编程和仿真加工。研究结果表明,该方法提高了大型不规则椭球回转面的曲面重构精度,生成的标准数控加工程序具有可移植性,解决了原加工方法对专用设备的依赖。     

热发射测速技术

本文叙述了一种通过探测高温两相流中热粒子的热辐射来测量粒子速度的热发射测速技术,该技术曾多次用于测量电弧加热器射流和火箭弹尾喷火焰中的粒子速度,取得了比较满意的结果。     

任意波发生器的校准思想及技术述评

主要介绍了JJF1152-2006《任意波发生器校准规范》中所采用的校准原则、思想和技术.针对任意波发生器实际校准和应用中需要面对的一系列问题,讨论了任意波发生器的技术内涵和实质;提出了其校准的主导思想:仪器设备的校准、波形生成能力的校准、波形生成质量的校准;确定了校准的主要内容:仪器设备极限参数的校准和失真特性的校准;介绍了任意波发生器校准所采取的技术措施:虚拟仪器模式下的模型化测量方法;讨论了校准仪器设备选取原则:通用性原则、溯源性原则和最简捷原则和高精度原则.针对主要校准项目参数,讨论了几种典型校准方法的优缺点.     

基于高分四号数据的多时相多通道云检测算法

针对高分四号（GF-4）卫星影像波段较少导致传统云检测算法难以区分云与冰雪像元的问题,提出一种多时相多通道云检测算法。该算法首先对GF-4卫星影像进行辐射定标和配准,然后利用云与典型地表的光谱差异得到潜在云像元,之后利用序列GF-4卫星影像之间的差异识别出移动的云像元,最后利用中红外波段反演地表亮度温度来去除冰雪像元。该算法在海南、辽宁和安徽3个研究区域进行验证,并将检测结果与传统单时相云检测算法、支持向量机（SVM）云检测算法和实时差分（RTD）云检测算法的检测结果进行对比。结果表明,该算法优于其他3种云检测算法,准确识别率均达到90%以上,误检率均低于5%,有利于GF-4卫星影像的进一步利用。     

基于FY4A-AGRI反演东北地区云顶高度

云对全球的能量收支及大气循环系统具有不可替代的调节作用,是影响天气及气候变化的重要因子。云顶高度作为云的重要参数,有助于分析云在大气中的物理机制,对局部地区监测和预报具有实质性作用。基于多通道扫描辐射成像仪(AGRI)数据反演东北地区云顶高度,采用红外分裂窗查算表方法,并对不同季节和不同云类型建立查算表,探讨基于静止卫星反演中高纬度地区云顶高度的可行性。同时,引入主动式高精度仪器正交偏振云-气溶胶偏振雷达(CALIOP),结合11、12 通道亮温数据搭建云顶高度反演模型。分析结果表明:1) AGRI遥感的云顶高度与CALIPSO搭载的CALIOP云顶高度变化趋势一致,算法计算效率较高;2) 从4个季节的统计结果来看,均方根误差(RMSE)上都小于2.3 km,平均偏差在500 m左右,受季节的影响较小,反演结果与CALIOP探测结果具有较高的一致性;3) 利用该方法基于AGRI结果精度不亚于官方采用的CO2薄片法,该方法估算的RMSE和相对误差较小,并且该算法的反演模型只提取红外分裂窗区通道数据,无需大气廓线资料进行辅助计算,节省计算资源,提高计算效率。     

基于混合维云模型定性推理的调距桨螺距控制

云模型是采用期望值Ex，熵En和超熵He来描述定性概念的一种数学方法，它将定性概念所具有的模糊性、随机性有机地结合在一起，是实现定量与定性相互转换的一种新途径。文中阐述了定性概念的一维和二维云模型数学描述，提出了基于混合维云模型的混合推理方法、复杂控制规则的简化方法，设计了一种新型的智能控制器——云控制器，并将其应用于调距桨螺距控制过程中。仿真结果表明，该控制器简易、直观、控制性能良好、鲁棒性强，较常规模糊控制具有更好的控制品质。     

一种空间非合作目标的稀疏点云配准算法

点云数据配准是三维重构的关键技术之一,为了提高空间非合作目标的稀疏扫描点云数据配准的速度和精度,提出一种改进的基于四点算法的全局配准算法进行初始配准,再使用迭代最近点算法精确配准.针对直接扫描所得到点云数据量大的问题,本文提出一种基于KD Tree点云均匀采样简化算法,并且对传统基于四点算法中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系.仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准,改进的四点算法配准耗时仅为几何哈希算法的42.49%.