基于机器人柔性毛刷的空间翻滚目标消旋

设计了一种柔性减速刷消旋机构,将其安装于七自由度机械臂的末端,通过与翻滚目标帆板之间的接触碰撞进行消旋。利用绝对节点坐标法推导了柔性减速刷的动力学模型,并对其接触碰撞进行分析。针对自由漂浮空间机器人动力学建模和基座姿态的控制进行了研究,采用基于计算力矩法的滑模控制策略,对末端参数不确定的七自由度机械臂进行控制。滑模控制具有快速响应、对参数变化及扰动不灵敏等特点,确保了系统的全局鲁棒性和稳定性。有利于节省消旋时间,提高消旋效率。通过PD控制和滑模控制消旋仿真验证,该消旋策略能够成功消除初始旋转速度,消旋程度达90%以上,具有可行性与有效性。     

基于运动信息的视频图像空间目标检测

针对卫星拍摄的以深空为背景的视频图像中空间运动目标的检测问题进行了研究,提出了一种基于运动信息的目标检测算法。首先,通过均值滤波对图像进行降噪处理;然后,采用基于局部统计的可变阈值来分割单帧图像,使用灰度重心法计算像点坐标。当卫星凝视目标区域时,恒星可以认为是静止的,而目标依旧在运动,基于此,可检测出空间运动目标。基于某型卫星在轨拍摄的视频图像验证了算法的有效性。     

基于自适应SRCKF的空间非合作目标实时轨道确定

针对天基测角对非合作目标跟踪定轨的动力学模型简化误差问题,提出一种基于非线性预测滤波和SRCKF(Square Root Cubature Kalman Filter,平方根容积Kalman滤波)的自适应滤波方法.采用考虑地球J2摄动影响的轨道动力学模型作为状态方程,在跟踪滤波过程中,用NPF(Nonlinear Predictive Filter,非线性预测滤波)对动力学模型进行实时修正,利用SRCKF对修正后的动力学模型进行状态估计.将该方法应用于高轨航天器对非合作低轨目标的实时测角定轨任务中,进行数字仿真,仿真结果证明,该方法相比传统的滤波方法具有更高的精度、更强的鲁棒性和稳定性.     

非合作目标交会的双层MPC全局轨迹规划控制

针对空间非合作目标近距离视线交会中的全局最优鲁棒轨迹规划与控制问题,提出了基于高斯伪谱方法（GPM）和线性时变模型预测控制（LTVMPC）的双层模型预测控制（MPC）算法。在轨迹规划方面,以视线坐标系下的相对轨道动力学为模型、能量最少和控制精度最优为性能指标构建最优控制问题,利用GPM精度高、收敛速度快的特点将最优控制问题转化为易于求解的全局非线性规划问题,在MPC框架下求解得到全局最优的标称轨迹,克服了传统的MPC不适用于全局大范围非线性规划的缺点;在轨迹跟踪控制方面,考虑预测时域内状态转移矩阵的时变特性,设计了LTVMPC算法对标称轨迹进行追踪,避免了存在不确定性时轨迹的重规划,从而降低在线计算量,保证算法在线自主实施,并且采用滚动优化的策略使算法对不确定性具有鲁棒性。由于规划层和控制层考虑的约束相同,因此规划的轨迹是可控、可达的。数字仿真表明,在燃料消耗和交会时间等方面,提出的方法均显著优于传统的MPC方法,相较于传统的MPC方法,新算法的交会时间减少50%左右,燃料消耗降低30%以上。     

基于IUKF的单星对空间目标仅测角跟踪算法

针对普通UKF(无迹卡尔曼滤波)测量更新方法的非线性近似精度相对较低,导致目标跟踪滤波精度和稳定性较低的问题,在单星对空间目标的天基仅测角跟踪滤波过程中,提出一种基于迭代测量更新方法的IUKF(迭代UKF)算法。通过在测量更新过程中提高非线性系统状态估计的近似精度,进而提高目标跟踪滤波精度,并引入具有全局收敛性的阻尼Gauss-Newton(高斯-牛顿)法来改进IUKF的数值稳定性。理论分析与实验结果表明,该方法不仅避免了求解雅可比矩阵和Hessian矩阵,而且具有较高的滤波精度和数值稳定性。     

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。