Excavation of artificial caverns inside asteroids by leveraging rotational self-energy

Future space ventures will likely require exploitation of near-Earth asteroid resources. Moreover, it can be envisaged that asteroids may host habitats in their interiors. In fact, a cavern inside an asteroid would be a natural radiation shield against cosmic radiation and may also serve as a confined environment for storage of mined material such as water ice or other processed volatiles such as propellants. To this end, this paper proposes to leverage the asteroid rotational self-energy to remove material from the asteroid interiors and create a spherical cavern, by means of the orbital siphon concept. The siphon is a chain of tether-connected payload masses (the asteroid material), which exploits the rotation of the asteroid for the delivery of mass from the asteroid to escape. Under certain conditions the siphon can be initiated to ensure self-sustained flow of mass from the asteroid to escape. A net orbital siphon effect is generated by connecting new payloads at the bottom of the chain while releasing the upper payloads. Key parameters are discussed, such as the required siphon dimension and the maximum size of the internal cavity that can be excavated, as a function of the asteroid rotational period. Moreover, assuming elastic material behaviour, a closed-form expression for the stress tensor is found and a failure criterion is used to identify regions in the asteroid interiors subjected to the larger stresses. It is shown that the conditions for failure are relaxed as the radius of the internal void increases.     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状，提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱，并通过主成分分析方法增强了信号的特征；参考迭代自组织数据分析的“分裂”和“合并”的思想，为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为；采用模糊C均值方法定义了隶属度矩阵和目标函数，并利用改进的人工鱼群算法，迭代搜寻了目标函数的全局最优解，得到了各故障模式的聚类中心；通过计算测试数据的最近邻聚类中心，实现了故障模式识别。结果表明，该方法无需指定聚类簇数，能在标记数据量小的情况下完成训练，较同类方法表现出了更优的故障模式识别性能。     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题，提出基于目标存在概率（PTE）的航迹融合算法，提升了正确航迹率和跟踪精度。首先，通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后，在局部估计误差互协方差矩阵未知的条件下，基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈，提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

捷联式航空重力测量系统的数据处理方法比较与分析

重力数据处理对获取高精度重力异常值有着重要作用，是重力测量的核心技术。重力仪在搭载运动载体进行重力测量时，载体的高频振动对重力测量数据和GPS数据均会产生不可避免的干扰，导致提取的重力异常粗值含有大量高频噪声。围绕重力数据的处理方法这一核心技术，介绍了FIR低通滤波、零相移滤波、标准Kalman滤波、正反Kalman滤波4种滤波方法的基本原理，运用这4种方法处理了SAG捷联式重力仪的某次实际飞行测量数据，比对了基于SINS/GPS组合导航和SINS/DGPS组合导航的重力测量数据处理结果。通过对本次试验重复测线内符合精度进行比对，验证了4种方法的可行性和优劣性，同时验证了SAG重力仪的测量精度。     

基于工厂模式的OSLC数据集成接口设计与实现

复杂软件系统往往由不同地域的研发团队采用不同的开发工具来协同完成，研发过程中存在数据难以集成的问题.基于开放式生命周期协作服务(OSLC)规范来设计软件协同开发数据接口，有利于提高软件协同开发的效率.首次结合工厂模式和OSLC规范设计并实现数据集成接口，将不同工具的数据集成抽象成统一的公共接口，从而采用统一的数据接口和规范实现不同工具的数据集成，有利于优化软件系统体系结构.以符合OSLC规范的Bugzilla缺陷管理系统和Jenkins持续集成工具的集成为例，以面向航天软件系统研发的SunwiseAEM一体化研发管理平台为载体，基于工厂模式设计并实现了符合OSLC规范的数据集成系统，实现了不同工具间的数据集成，提供了一种通用的、可扩展的数据集成方式.     

利用微波探测仪(ATMS)对在轨微波辐射计观测精度的模拟分析

微波辐射计的观测精度及其对数值模式同化应用的影响评估是微波辐射计观测指标设计的重要参考。基于微波探测仪(ATMS)资料,利用三维变分同化系统模拟分析在轨微波辐射计的观测精度指标。针对ATMS观测误差特征,在其观测基础上增加均值为零、标准偏差分别为0.5,1.0,1.5,2.0K的正态随机扰动,进而获得不同精度的观测模拟值序列,然后利用Harris和Kelley的辐射资料偏差订正经验方法订正不同精度的观测资料。偏差订正后,利用三维变分同化模式(WRFDA)直接同化ATMS资料。通过2016年6月6h预报场的同化试验,评估了不同观测精度的模拟资料对数值模式的同化影响。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

A new interpretation of the historical records of observing Venus in daytime with naked eye: Focusing on the meteorological factors in the astronomical observation records

Observing Venus during the daytime is challenging. However, observational data of Venus during the daytime can be found in history books from East Asian countries such as Korea, China and Japan. In this study, we are focused on data from Korean history book, and using records left in the Joseon wangjo sillok, one of the Korean history books from the Joseon dynasty (CE 1392–1910), tries to prove whether the reported observations were actual observation data. We collected these 4663 records from the Joseon wangjo sillok to determine whether they were actual observations, and to confirm the scientific validity of the records. When we looked at the distribution of observations on a yearly basis, we noticed that there were more observations in the fall and winter, while there were only limited numbers of observations in the spring. This difference in distribution suggests that observations were strongly affected by atmospheric conditions due to the weather. From the 4663 data collected, we found a cycle of about 1.6?years. The cycle of about 1.6?years is assumed to be related to the conjunction cycle of Venus. And, we found a cycle of about 1.0?years. The cycle of about 1.0?years is assumed to reflect the indirect effects of the Asian dust phenomenon. Our research result verified the record as actual observational data. In addition, this result verified that meteorological factors were involved in the recorded astronomical observation data. We think that our data can be helpful to climate studies on the natural sources of key climate-affecting aerosols.