基于模型化配置的星务自主控制软件设计与应用

卫星互联网正成为一种空间基础设施展开建设，大规模卫星发射的需求与地面运控管理任务指数型增长之间的矛盾日益突出，特别是对于低轨长期处于测控不可见弧段运行，其自主生存需求更为急迫，而星务自主控制功能是实现自主运行和生存的重要组成.本文通过参数装订、逻辑子层和数据交互模块的架构设计，提出一种基于模型化配置的自主管理软件系统框架，并针对核心逻辑子层，建立遥控主动模型、遥测主动模型以及数据融合交互控制模型，实现星务自主管理软件的快速研制，解决自主运行功能常会随设计深入和试验验证不断功能扩展的问题，提高星务自主控制软件的灵活性.通过卫星故障检测和恢复(FDIR)自主管理功能的设计进行了验证.结果表明该软件系统设计框架能够满足星务自主控制功能设计，具备可扩展能力，为进一步提升卫星的智能化水平奠定基础.     

基于深度学习的地空导弹发射区拟合算法

目前地空导弹发射区的拟合算法主要是多项式拟合法和BP神经网络拟合法。多项式拟合法存在函数形式难以确定、函数范围不易分段等问题，且拟合精度较低；传统神经网络方法要想达到较高精度，需要大量的隐层节点，且在隐层节点数增加到一定程度后，训练变得十分困难且精度很难继续提高。同时，传统神经网络需要大量的标签数据，进一步增大了实际应用的难度。为此，基于深度学习理论，设计了一种基于堆栈稀疏自编码器（SSAE）的深度拟合网络（DFN），并给出了相应的训练策略。仿真实验表明其相比传统算法具有更小的拟合误差优势。所设计的深度稀疏自编码器网络可以克服多项式拟合和传统神经网络的不足，不仅可以在大量无标签数据和少量标签数据条件下进行学习训练，而且可以进一步提升地空导弹发射区的拟合精度。