高超声速再入飞行器的特征建模及自适应递推滑模控制

针对高超声速再入飞行器非线性程度高、参数不确定性大、快时变等特点，提出一种基于神经网络特征模型的自适应滑模姿态控制方案。首先，采用现有特征建模方法，将对象模型中的非线性、时变不确定性压缩至特征参量中；进一步，结合模糊神经网络，将快时变特征显式地表征在特征模型中，使得待估计的特征参量具有时不变特性，从而易于其自适应律的设计。然后，在该神经网络特征模型的框架下，设计递推形式的自适应滑模控制律，以进一步提高飞行控制系统的鲁棒性。最后，通过仿真校验了所提出控制方法的正确性和有效性。     

面向资源受限无人系统的深度神经网络轻量化软件设计与应用

地外探测无人系统具有存储、算力和能量等资源受限的特点.以深度学习为基础的感知、定位和决策算法可有效提升无人系统的智能化水平,而这类算法通常需要高算力,难以直接应用于地外探测无人系统.首先针对剪枝和量化的深度神经网络模型轻量化方法,在公开数据集上对多种算法进行定量分析.其次,提出基于剪枝、量化的轻量化计算方案,实现了基于模块化配置的轻量化计算软件StarLight,对深度神经网络进行快速轻量化和性能评估,解决了模型难以直接应用到计算资源受限系统的问题.最后,基于StarLight,对应用于火星车实验系统中的多种任务模型进行轻量化,在计算功耗≤15 W、计算处理主频≤1.2 GHz和计算存储容量≤1TB的受限资源条件下,实现了深度神经网络模型部署.实验表明,该软件能够满足计算资源受限系统的深度神经网络模型轻量化需求,为进一步提升地外探测无人系统的智能化水平奠定了基础.     

地外巡视探测无人系统自主感知与操控技术发展综述

地外天体探测是空间科学与技术创新的重要途径,是当前和未来航天领域的发展重点之一.地外天体表面巡视探测是拓展探测广度和深度的有效途径.未来月球、火星探测任务对表面探测范围和探测效率的需求明显提高,探测范围从公里级扩展到百公里级以上,移动时速从百米级提高到公里级以上,要求地外巡视探测器具有更强的地外环境适应能力和探测效率.决定地外巡视探测能力的关键因素之一是自主环境感知与操控能力,本文面向我国未来深空探测重大工程任务需求,对地外巡视探测无人系统的自主感知与操控技术发展现状及趋势进行总结分析.