仿壁虎刚毛阵列对卫星表面吸附能力模型与计算

壁虎脚的粘着机理对航天机器人脚掌的研制和开发具有重要启发意义.通过单根刚毛与光滑表面黏着力模型与计算、卫星粗糙表面分布模型与接触概率与计算、刚毛阵列与卫星粗糙表面黏着力模型与计算等，分析仿壁虎刚毛阵列对卫星表面的吸附能力，发现在一定条件下仿壁虎刚毛阵能够在太空失重环境中黏着在卫星表面，对航天舱内爬行机器人、管道机器人的研制和开发具有重要的启示意义.     

非线性能量阱对飞轮振动抑制效果的实验研究

利用薄片金属梁作为非线性刚度元件，构建一种非线性能量阱。为了验证非线性能量阱对飞轮振动特性的抑制效果，搭建地面飞轮测试系统。分别采用力锤敲击和飞轮以恒定转速运行的方法施加不同载荷，对安装非线性能量阱前后测试系统各典型位置的振动响应进行对比研究。利用实测数据，采用傅里叶变换方法将动态响应信息分别在时间域和频率域内展开。研究表明：力锤敲击产生的冲击载荷和飞轮以恒定转速运行产生的稳态载荷均可以激发非线性能量阱定向能量传输；受非线性能量阱的影响，柔性支架设备安装面和飞轮安装面振动响应得到有效抑制。但是，由于非线性能量阱阻尼和吸振子质量较小，不同程度削弱了其振动抑制效果。     

ORB-SLAM系统优化框架分析概述

首先阐述了ORB-SLAM系统的核心思想和基本框架,介绍了SLAM系统中光束平差法的应用实现,然后针对视觉里程计部分不同的关键帧位姿优化过程分别进行了详细阐述,并利用KITTI数据集的不同序列的实验结果进行比较研究,给出了核心的光束平差法在ORB-SLAM中的具体工作方式及性能分析,最后讨论和分析了ORB-SLAM的优势和不足。     

存储系统中两级纠错编码方案设计与验证

针对恶劣空间环境设计了一种两级存储编码方案，以应对航天系统中存储单元发生多个单粒子翻转（SEU）错误的问题。方案设计的主要思想是根据简单低纠错编码组合出高容错编码，通过编码组合，使用字间编码来纠正字内编码无法纠正的错误，从而使存储系统更加可靠；对两级编码方案提出若干优化策略，以提高编解码性能，使得两级冗余编码效率接近于原始字内编码。实验结果表明，提出的两级冗余编码方案能够较好解决存储系统中发生多个单粒子翻转错误的问题。即与单一的字内编码相比，两级纠错编码方案能够大大降低星上存储系统出现不可修复的概率，保证了星上存储系统的可靠运行。     

虚拟多触角探测的高超声速滑翔飞行器再入机动制导

针对高超声速滑翔飞行器再入过程中面对的多约束问题，提出一种基于虚拟多触角探测的路航点规划机动制导策略。该机动制导策略通过飞行器最大转弯轨迹计算速度-剩余地面距离-航向角约束，在分段定点模式中发出多条粗略预测触角，引用触角末端反馈的信息计算优先级以确定临时路航点；同时在机动制导模式中发出精细探测触角，计算触角末端信息优先级，经倾侧角延时滤波器得出控制指令，对飞行器进行机动制导。基于多触角探测的路航点规划机动制导策略，降低了三触角机动制导方法中的计算时间；同时，4种典型禁飞区条件下的仿真结果表明，该策略能够有效稳定地解决机动制导过程中的多约束问题。     

运载火箭交叉输送系统关键影响因素辨识与分析

为深入了解交叉输送系统特性，辨识关键影响因素及其影响规律，通过系统建模与仿真分析开展交叉输送系统关键影响因素研究。推导了交叉输送系统关键组件数学模型，基于AMESim软件构建了系统仿真模型。研究表明，贮箱气枕压差和输送管路流阻是两大关键影响因素。为保证推进剂按额定流量交叉输送，必须对各子级箱压进行精确调节。由于助推上游主管路和交叉输送管路流阻对系统性能影响较大，在设计交叉输送系统时应该尽量缩短助推上游主管路和交叉输送管路，并尽量减小不同助推的管路流阻偏差。     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法，通过监测砝码的移动量和参考力传感器叠加系统的力值量，实时调整加卸载机构的加卸载速度，以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动，影响力标准机复现力值准确度的问题，同时也消除了力值过冲现象，避免了因逆程效应而导致的力传感器输出偏差。     

W波段UAV MISAR实时成像运动补偿方法

建立了实时成像正侧视合成孔径雷达(SAR)运动误差模型,采用了一种基于惯导和相位梯度自聚焦(PGA)运动误差估计的中心波束平面运动补偿算法。该算法对回波包络和相位进行分开补偿,利用惯导数据把带有运动误差的回波包络拉直,再利用相位梯度自聚焦算法对回波进行相位误差估计并补偿。针对实时成像的时间少、运算量大、运算资源受限等特点,该算法取消了距离徙动校正的步骤,将运动误差矢量在斜距平面投影并完成包络校正和相位误差估计。该方法运算量小,同时能满足分辨率要求。仿真结果表明:该方法能够得到质量较高的SAR图像。     

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.