发射扰动与初始弹道耦合模型研究

针对火箭、导弹发射扰动与初始弹道互相耦合引起的弹道散布问题,提出发射扰动与弹道解算相耦合的计算分析模型。该模型以多体系统动力学为基础,建立能够模拟弹架相互作用和弹体初始扰动的发射动力学模型,并将弹体受到的气动载荷转化到弹体坐标系下进行刚体动力学计算以获得弹道参数。通过滚转弹应用实例分析表明,采用此模型能够有效模拟发射扰动与初始弹道相互耦合状态;弹架间隙扰动与气动载荷作用都会对弹体在飞行时的姿态角及飞行位置产生较大影响。当存在1 mm的弹架间隙且有气动载荷作用的影响下,与无弹架间隙和气动载荷的作用影响的结果对比发现,存在弹架间隙扰动的影响会使得弹体在飞行过程中的俯仰角和弹道倾角的幅值范围减小4°左右,也使得弹体在飞行过程中的Y向位移量在1.5 s时刻减小6 m左右;存在气动载荷作用的影响,会使得弹体在0.5 s撤去推力后的姿态角成波动式变化,滚转弹稳定飞行,也会使得弹体Y向位移量在撤去推力后持续的平稳增加。     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器，采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合，提升滤波精度，完成运动状态和参数的估计，从而实现合作目标的运动轨迹跟踪。与合作航天器相比，非合作航天器存在大小未知、发生时刻未知的机动，无法获得加速度，且信息获取和运动状态的估计难度大。针对非合作航天器，基于简化的相对运动方程，结合天基平台获得目标的观测信息，采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF），DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度；对于存在未知机动的非合作航天器，通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性，该方法能够检测到多次机动并且减少误判。     

基于COSMIC掩星精密定轨数据的等离子体层电子含量研究

等离子体层是日地环境重要的组成部分.本文利用COSMIC掩星精密定轨数据经处理后得到的podTec文件获取等离子体层电子含量（PEC）对等离子体层进行研究.将podTec数据进行处理后获得的PEC（pod-PEC）和IRI-Plas经验模型提供的PEC （IRI-PEC）进行对比，发现pod-PEC与IRI-PEC符合得较好.在低（0°—20°）、中（20°—50°）、高（50°—90°）修正地磁纬度带下，分析了COSMIC在太阳活动极大年（2014年）3，6，9和12月的pod-PEC，得到如下结论:PEC随着纬度升高而逐渐减少，且3，9月PEC在中低纬关于磁赤道的南北对称性较好，6月北半球各纬度带的PEC明显高于南半球同一纬度带的值，而12月情况则完全相反，南半球中纬的PEC甚至会等于北半球低纬的PEC值；PEC在白天高而晚上低，高纬地区的PEC昼夜变化不明显；PEC具有明显的季节性.对于北半球，一年中PEC最大值出现在春季，冬秋季次之，夏季最低，具有明显的年度异常现象.      

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

导流锥结构参数对燃气弹射筒内压力冲击平滑效果影响研究

针对导流锥结构参数对内弹道流场耦合影响问题，基于动态分层动网格技术，构建了含导弹运动和二次燃烧的内弹道数值模型，并验证了模型可靠性。解耦分析了导流锥半径、高度及冲击高度对内弹道流场特性和载荷的影响。结果表明：导流锥的结构直接决定燃气飞溅现象的产生和流场结构的紊乱程度，导流锥的半径、高度和冲击高度的改变会对燃气反射点的位置、二次燃烧的区域以及剧烈程度产生影响;结构优化后的导流锥，较大程度地缓解了冲击现象，获得了较好的平滑效果，筒底压力较实验装置降低了24.5%。     

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.      

基于工厂模式的OSLC数据集成接口设计与实现

复杂软件系统往往由不同地域的研发团队采用不同的开发工具来协同完成，研发过程中存在数据难以集成的问题.基于开放式生命周期协作服务(OSLC)规范来设计软件协同开发数据接口，有利于提高软件协同开发的效率.首次结合工厂模式和OSLC规范设计并实现数据集成接口，将不同工具的数据集成抽象成统一的公共接口，从而采用统一的数据接口和规范实现不同工具的数据集成，有利于优化软件系统体系结构.以符合OSLC规范的Bugzilla缺陷管理系统和Jenkins持续集成工具的集成为例，以面向航天软件系统研发的SunwiseAEM一体化研发管理平台为载体，基于工厂模式设计并实现了符合OSLC规范的数据集成系统，实现了不同工具间的数据集成，提供了一种通用的、可扩展的数据集成方式.     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法，具有较为灵活的并行化跟踪方式，能够较好地维持跟踪目标的假设状态，具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段，但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器，实现视频图像中的飞行器跟踪，跟踪图像存在跟踪滞后、画面抖动等现象，跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法，建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪，在识别和跟踪的基础上建立云台控制模型，通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据，检验飞行器目标的跟踪效果。     

中继卫星在轨自动跟踪精度测试方法研究

针对中继卫星在轨自动跟踪精度测试基准值建立和有效数据获取的难题,根据在天线电轴跟踪零点附近角误差电压灵敏度正比于波束指向角误差灵敏度的特性,提出了采用角误差电压灵敏度作为基准值,天线稳定跟踪目标时的方位角误差电压和俯仰角误差电压作为测试数据,通过数据处理得出在轨自动跟踪误差,然后与差波束零点(天线电轴)与和波束接收信号最大值轴之差相加,得出在轨自动跟踪精度的测试方法。并制定测试方案和测试流程,在轨进行了实施。与地面测试结果进行比较,数据相近,验证了测试方法的可行性和有效性。采用该方法测试难度小,便于实施,测试结果不受天线安装误差、卫星姿态变化等因素的影响,解决了中继卫星在轨自动跟踪精度测试的难题。     

高超声速风洞测力数据的关联研究

通过比较分析法研究AGARD-B标模在BIA的FD-07风洞中气动力测量数据与其它高超声速风洞设备测量结果的相互关联。其目的，既可以综合鉴定FD-07风洞的流场性能和测试水平，也可以从另外意义上为数值方法的程序校验提供必要的技术支持。结果表明，在Ma=4.94-7.96范围内，所测得AGARD-B标模的力、力矩和压心位置，不仅随Ma和α的变化趋势与其它风洞一致，而且其变化量比较接近于各风洞测力数据拟合的逼近曲线。