一种基于SD-ICA的卫星电池健康状态估计方法

针对容量增量分析（ICA）法应用在卫星电池的健康状态（SOH）估计中存在较大误差的问题，提出了基于带平滑处理并使用放电数据的容量增量分析（SD-ICA）的电池健康状态估计方法。首先，利用光滑样条函数的拟合结果具有二阶导连续的特性，对低分辨率的遥测数据进行平滑处理，从而提高了计算结果的准确性。其次，针对ICA必须使用微小电流放电数据的限制，推导出有负载条件下的容量增量（IC）计算方法，降低了对卫星电池放电工况的要求。最后，利用IC曲线的第一特征点（FOI1）与电池容量的关系，对卫星电池的健康状态进行估计。经验证，所提方法具有对数据分辨率要求低、不需要增加电池工况、计算简便等优势，可以准确地从卫星遥测数据中估计电池健康状态。研究成果在卫星电池的健康管理和任务规划中具有重要的应用价值。      

面向航天器观测规划的改进混合重调度策略研究

为解决不确定性条件下航天器观测规划的重调度问题,对重调度请求的响应策略进行了研究分析.首先分析了现有重调度策略的特点,进而针对其存在的弊端,在引入BP神经网络的基础上,设计了基于最小间隔的改进型混合重调度策略.算例的计算表明,应用改进后的混合重调度策略,不仅能适应环境的动态变化,获得满意的调度结果,而且能有效地降低重调度的次数,验证了该方法的有效性.     

航天器观测重调度问题中的模糊性不确定因素及其处理

为了处理航天器观测问题中具有模糊性特点的不确定因素,解决动态环境下的航天器观测重调度问题,提出了一种基于模糊神经网络的处理方法.该方法通过参数模糊化和径向基神经网络来评估模糊性不确定因素对系统造成的影响程度,同时将重调度响应划分为立即型、延迟型和忽略型三种类型,以处理不同影响程度的不确定事件.最后通过算例说明了所提出的模糊神经网络算法的有效性.     

小天体探测自主绕飞智能规划建模

针对小天体探测存在显著通讯延迟、任务执行效率低等问题,梳理了小天体探测智能规划需求,面向自主绕飞任务开展了智能规划研究。首先将该问题分解为平台任务智能规划和载荷任务智能规划两部分。针对平台任务智能规划问题,基于PDDL语言设计了探测器自主管理知识模型,提出了基于状态时间线扩展的求解算法;针对任务智能规划问题,建立了基于CSP问题的智能规划数学模型,提出了基于遗传策略的求解算法。最后开发了仿真系统进行算法验证。仿真结果表明:该方法可综合平台与载荷需求,在存储、能源、通信等多种约束条件下,对绕飞探测任务进行统一的任务规划,并得到指令序列和动作序列,能够提高任务管控的智能化程度,降低任务操作的复杂性。     

基于改进遗传算法的一类多资源测控调度问题研究

研究一类测控弧段具有优先级约束的多资源、大规模测控调度问题。首先对问题中的约束条件进行分析和处理,并建立问题的数学模型。进而针对问题特点,以遗传算法为基础,通过设计选择适当的交叉、和变异算子,设计了一种改进的遗传算法。最后通过算例计算表明,应用该方法求解此类测控资源调度问题具有较为理想的性能,是合理、有效的。