基于天基边缘计算的在轨智能技术

针对低轨互联网星座的发展以及天基应用不断拓展对计算能力的需求,开展基于天基边缘计算的在轨智能技术研究,这对提升星地带宽利用率和实时决策效率具有重要意义。提出了以低轨卫星为核心的天基边缘计算架构,在此基础上,进一步提出了一种基于深度模仿学习的智能计算卸载模型,以及该模型的在轨分布式联邦学习训练方案。基于空天地海一体化网络,开展了面向移动应用的实时计算卸载决策,以及空间数据、模型的在轨学习及训练方法研究。该方案在保障空间数据隐私的基础上,可进一步降低程序运行时延和提升模型的决策准确率。结果表明:与传统方法相比,该技术最多降低了54.96%的程序运行时延。     

三聚氰胺泡沫压缩缓冲性能研究

面向航天器对高性能缓冲材料的设计需求，采用重复压缩循环加载、长时恒压强加载、长时恒位移加载等多种加载方式，对三聚氰胺泡沫材料在不同状态下的压缩缓冲性能进行了表征。分析了压溃预处理、多次抽真空预处理、长时压缩处理等多种处理方式对三聚氰胺泡沫压缩缓冲性能的影响规律。结果表明，随着60%重复正压缩次数增加，泡沫压强-位移曲线逐步滞后；重复正压50次后，泡沫发生9.8%永久塑性变形；负压压溃预处理对泡沫力学性能影响较大，6和8 mm泡沫最大压强分别衰减至64%和66%；长期恒位移压缩两个月后，泡沫压强衰减14.88%。三聚氰胺泡沫压缩试验结果可为后续航天器缓冲材料、缓冲结构的选择和设计提供参考。