GEO/IGSO混合区域导航星座的设计与优化算法

区域导航星座能够以较低成本和较短时间获得目标区域导航能力，且地球同步轨道是构建非极区区域导航星座的重要轨道类型。提出一种基于GEO（地球静止轨道）和IGSO（倾斜地球同步轨道）的区域导航星座设计方法。基于星下点轨迹特性构造对称星座设计参数和优化参数集，并考虑地球扁率长期摄动影响，计算星座轨道参数。以导航服务区的统计GDOP（几何精度因子）为目标函数，利用差分进化算法构建星座优化模型。以印度IRNSS的7星星座为例，仿真检验了设计和优化算法的正确性，讨论了IRNSS星座优化构型和轨道类型选取。本方法采用的对称星座设计参数少，能够提升GEO/IGSO混合区域导航星座的全局优化效率，为后续非对称星座快速提供最佳星数和构型设计。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

导航卫星中断频次的分析方法

面向导航卫星中断频次的定量分析需求,该文分析导航卫星中断产生的主要原因,给出中断频次分析的流程,并针对分析过程中的三个关键问题,研究提出具体实施方法,包括通过相关性分析快速定位底层中断事件,通过中断树建立指标分析模型,并融合在轨数据、地面试验数据快速预估得到底层功能异常率等。最后通过示例进一步说明中断频次分析过程。该文方法已应用于北斗导航卫星工程。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

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。     

一种高动态低信噪比卫星导航信号捕获方法

为提升高动态低信噪比环境下卫星导航信号的捕获性能,提出了一种基于分数阶傅里叶变换(FrFT)及部分匹配滤波(PMF)的捕获方法。在该方法中,接收机首先利用PMF对接收信号做分段相干积分,随后借助快速傅里叶变换(FFT)对分段积分结果做离散快速FrFT,最后通过检测FrFT输出的峰值完成信号的捕获。由于具有多普勒频率变化率的卫星导航信号在FrFT后呈现能量聚焦特性,所提方法能够显著提高信号的长时间相干积分增益。同时对所提算法的捕获概率、平均捕获时间以及算法复杂度等性能指标进行了理论分析及计算机仿真验证。仿真表明,与传统的PMF-FFT方法相比,所提方法能够通过延长相干积分时间的方式有效提升高动态低信噪比卫星导航信号的捕获概率、降低捕获时间。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。     

Ionospheric TEC disturbances over China during the strong geomagnetic storm in September 2017

From September 7 to 8, 2017, a G4-level strong geomagnetic storm occurred, which seriously impacted on the Earth’s ionosphere. In this work, the global ionospheric maps released by Chinese Academy of Sciences are used to investigate the ionospheric responses over China and its adjacent regions during the strong storm. The prominent TEC enhancements, which mainly associated with the neutral wind and eastward prompt penetration electric field, are observed at equatorial ionization anomaly crests during the main phase of the storm on 8 September 2017. Compared with those on 8 September, the TEC enhancements move to lower-latitude regions during the recovery phase on 9 September. A moderate storm occurred well before the start of the strong storm causes similar middle-latitude TEC enhancements on 7 September. However, the weak TEC depletion is observed at middle and low latitude on 9–10 September, which could be associated with the prevailing westward disturbance electric field or storm-time neural composition changes. In addition, the storm-time RMS and STD values of the ionospheric TEC grids over China increase significantly due to the major geomagnetic storm. The maximum of the RMS reaches 12.0 TECU, while the maximum of the STD reaches 8.3 TECU at ~04UT on 8 September.     

一种柔性空间双臂机器人的协同控制和避障方法

针对柔性空间机械臂在轨服务应用需求，提出一种基于刚体运动与柔性振动相耦合的空间双臂机器人协同控制方法.首先引入空间位姿变量的概念，构造出面向协同控制目标的Jacobian矩阵，建立柔性空间机器人系统的刚柔耦合动力学模型，基于指定的最小距离得到其运动学逆解，并根据系统动量矩守恒关系及系统的Jacobian矩阵，并根据机械臂末端的运动速度,然后采用阻尼最小二乘法得出关节角度，使柔性空间机器人能够有效完成协同控制和空间避障任务，并基于RecurDyn V7R5软件环境验证算法的正确性.最后，基于SolidWorks和ADAMS虚拟样机建立柔性空间机器人系统的立体CAD模型，并结合空间在轨搬运任务进行模拟仿真，柔性空间机器人关节操作和运动轨迹的仿真结果图验证了本文算法的有效性.