我国深空探测地面站发射机的发展及展望

随着深空探测任务的发展,对地面站发射机输出功率有了越来越高的要求.在讨论了测控系统地面站发射机的国内外发展现状和应用趋势的基础上,重点分析了未来我国发射机的主要发展方向和趋势,并对其中的关键技术进行了详细描述;提出了我国未来发展深空探测地面站发射机应该开展关键技术、关键元器件或零部件的研究工作,以及一些技术发展方向性的理论研究的建议,为我国深空探测技术的发展提供了参考.     

NASA深空网（DSN）的现状及发展趋势

详细介绍了美国深空网的发展过程、目前的状况以及未来的主要发展计划。     

美国下一代深空网发展计划探析

为适应未来美国深空探测的任务,此前美国NASA(National Aeronautics and Space Administration,国家航空航天局)对它的深空网发展的技术现状与能力进行了评估,梳理出了它们在未来深空任务中上下行通信速率需求,从而制定了美国下一代深空网的发展战略.针对此战略,梳理分析了美国深空网近年在深空通信导航领域开展的多项重大技术革新与演示验证试验,并从中剖析总结出了它的下一步的技术发展路线,期冀为我国深空测控网技术发展策略的制定提供参考.     

欧空局深空网的现状和发展趋势

随着深空任务的发展 ,欧空局 (ESA)正在建设自己的全球深空网。该网主要由欧洲航天操作中心和三个深空地面站组成 ,其中位于澳大利亚珀斯附近的新诺舍 35m深空站已投入使用 ,位于西班牙马德里附近的塞布里洛斯深空站将于 2 0 0 5年初建成。欧空局正为在经度相隔 12 0°左右的地方建设第三个深空地面站选点。三个站的性能指标基本相同。本文介绍了欧洲航天操作中心和新诺舍 35m深空站的组成、功能及技术指标     

美国深空网的无线电跟踪测量新技术

本文介绍了美国航空航天局所属深空网(DSN)在无线电跟踪测量方面已采用的新技术的应用情况,探讨了这些技术对于我国发展深空导航技术的实际意义。     

研究与开发天基深空通信跟踪（C＆T）网的倡议

文章简要回顾了当代以陆基为立足点的深空Ｃ＆Ｔ网的技术特点。随着下世纪深空探测活动的逐渐加强,文中指出了陆基深空Ｃ＆Ｔ网存在的主要缺点,提出了研究天基深空Ｃ＆Ｔ网的建议,即将现行的陆基深空Ｃ＆Ｔ网搬到地球静止轨道（ＧＥＯ）上,只需两颗地心角间距大于３４．６２４°的Ｃ＆Ｔ星即可连续覆盖考察太阳系行星的所有深空航天器。     

某导弹"发射机功率指示"参数故障分析与排除

针对某导弹测试\"发射机功率指示\"不合格故障,进行了故障分析,建立了故障树,确定了故障原因,最终将故障定位并解决,再次进行导弹性能测试,结果表明该故障已排除.     

深空网伪码测距技术研究

介绍了NASA深空网所采用的伪码测距的基本原理,讨论了深空航天器应答机相干转发或再生所采用伪码序列的两种形式,对再生测距系统中的具体序列产生和相关、以及用中国剩余定理解算距离的实现方法和技术途径进行了分析,并计算分析了测距精度、捕获时间等系统关键指标,以对我国深空网的建设提供技术理论参考.     

ESA完成深空网建设

ESA(欧洲空间局)将于12月25日对其位于阿根廷玛拉库地区的新卫星跟踪站举行揭牌仪式。该跟踪站深空天线-3(DSA 3)将与澳大利亚境内的DSA 1和西班牙境内的DSA 2一起向全球网(由位于德国的欧洲空间操作中心遥控)提供第3条链路,这标志着ESA的三位一体深空探测网络已形成。     

NASA深空网的TT＆C网络简化计划（NSP）

喷气推进实验室 (JPL)的深空任务系统给大量的深空任务提供了跟踪、遥测和遥控 (TT&C)服务。深空网 (DSN)中的TT&C设备正在进行大范围的升级和技术改造 ,升级改造完成后系统性能将更强大 ,并实现数据存取和交互支持的接口标准化。网络简化计划 (NSP)作为改造任务的一部分 ,已经对TT&C的结构和实现进行了重新审查。目前的TT&C功能是通过六个不同的子系统来实现的 ,每个子系统都有各自独立的控制单元 ,这些控制单元的设计没有考虑到不同功能之间的相互作用。NSP正在实现遥测和遥控设备的现代化 ,并重新设计测距处理程序以及跟踪数据…     

基于FTA模型的导弹发射机故障定位及失效分析

介绍故障树分析法(FTA),运用故障树方法建立某导弹发射机的FTA模型,并对FTA模型进行定性分析;对该导弹发射机系统所有组件进行排查,通过检测及采集手段对发射机系统故障进行了元器件定位,并进行装机验证和机理分析,找出速调管故障原因,结合微观成像对故障元器件进行了失效分析。模型对导弹潜在故障分析定位具有借鉴意义,也为导引头发射机系统性能优化提供参考。     

深空天线组阵宽带信号频域合成技术研究

分析了深空天线组阵中宽带信号合成需求,提出一种宽带信号频域波束形成方法,设计相应的信道化滤波器组,达到了近似完全重建的目的;采用多相FIR(Finite Impulse Response,有限脉冲响应)和FFT(Fast Fourier Transform,快速傅里叶变换)结合的方式降低了DFT(Discrete Fourier Transform,离散傅里叶变换)滤波器组的计算量。在此基础上开展了原理样机的研制,并通过数传基带对样机进行闭环BER(Bit Error Rate,比特误码率)测试,根据测试BER数据计算样机本身SNR(Signal Noise Ratio,信噪比)恶化和合成效率。测试结果表明:合成信噪比损失小于0.4dB,验证了设计的正确性和合理性。     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

月地及月地以远测控通信与若干关键技术发展趋势

通过研究国内外主要测控通信技术现状与发展动态,梳理出了目前我国在月地及月地以远距离测控通信技术遇到的挑战:面临测量精度尚不能满足科学探测更高的要求,数据传输能力难以满足更高的数据传输速率需求,关键器件自主可控较为薄弱,激光通信高精度快速捕获手段单一,以及星载终端设计与关键技术在轨验证较少等。针对这些问题,提出了对天线组阵、激光测控通信技术、Ka波段及毫米波低温接收机、超导纳米线单光子探测器、深空光学跟瞄系统、窄线宽激光光源的产生技术、光通信调制技术和高功率低噪声放大器的迫切需求,并介绍了国外最新的用于深空测控通信的新概念与前沿技术,即一体化微波/光学混合通信系统与微波光子射频信号稳相传输技术。最后,结合我国现状,讨论了我国测控通信重点发展方向及其关键技术的建议,可供构建月地及月地以远测控通信系统参考。     

具有相依特性的航天测控网稳定性分析

随着信息技术的不断提升,航天测控网各系统中的耦合和依赖变得越来越强烈。针对这种具有相依特性的测控网络的稳定性问题,提出借助于相依网络的分析方法,根据信息在测控网中所起的作用,对航天测控网相依特性进行分析、研究,特别是相依网络的级联失效过程进行稳定性分析。将航天测控网划分为具有相依特性的数据信息和控制信息,通过针对单侧网络进行蓄意攻击,研究不同控制信息模式下航天测控系统的稳定性,提出构建稳定、高效的测控网的方法。仿真结果表明,在数据信息遭受攻击时,合理规划控制信息形态并减小控制信息规模,能够有效保障航天测控系统的稳定性。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

深空测控网信息接口设计及嫦娥三号任务验证

为了对“嫦娥三号”任务以及后续月球与深空探测任务提供测控支持,我国在喀什和佳木斯分别新建了35m和66 m深空测控站,并组成了深空测控网.考虑到新建深空测控网既需要与我国现行航天测控网进行信息交互,又可以为国际上其他国家和组织的月球和深空探测器提供支持,在信息接口设计时充分参考了CCSDS（Consultative Committee for Space Data System,空间数据系统咨询委员会）、ECSS （European Cooperation for Space Standardization,欧洲空间标准化组织）等国际标准.重点介绍了中国深空测控网的信息接口设计,具体接口包括深空测控设备与深空任务中心间接口、深空运行管理中心相关接口以及干涉测量系统相关接口.该接口设计在“嫦娥三号”任务中得到了充分的验证,各类信息传输正确、及时、有效,为任务过程中的决策提供了支持.     

基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。