基于点云的空间非合作目标位姿测量方法研究

针对模型未知的空间非合作目标的位姿测量问题,提出了基于低成本固态激光雷达的点云配准方法。算法首先根据空间目标的特点,提取平面点与边缘点作为匹配特征点;接着,提出了基于迭代匹配与自回环的位姿求解方案,解决了位姿优化中误匹配与误差累计问题;最后,在气浮台半实物实验校验中,算法解决了固态激光雷达单线收发、不规则采样的问题,实现了实时鲁棒的位姿跟踪,同时降低了跟踪过程中累计误差,测量精度优于现有算法,能够满足对非合作目标相对位姿测量的任务需要。     

基于双目视觉的空间非合作目标尺度 测量技术研究

对空间非合作目标的关键结构尺寸进行快速精准测量对于实现对目标的动态跟踪与捕获十分重要。文章针对未知形状的非合作目标,基于双目立体视觉测量原理,提出一种点云轮廓线的直接提取算法,不需要进行目标外形的3D还原,即可直接进行目标尺寸测量,从而可以根据外观轮廓线和外形尺寸来快速预估非合作目标的功能及大小。建立双目视觉立体测量实验平台对一个立方体非合作目标模型进行测量,通过MATLAB软件平台对上述算法进行仿真验证,结果表明测量值与参考值的误差为百μm级。     

机载远距非合作式目标识别（NCTR）技术综述

本文对机载远距NCTR技术在未来战争中的作用、地位和需求进行了分析描述。详细介绍了国内外机栽远距NCTR的技术发展现状、技术特点和发展趋势。机载远距NCTR技术是现代战争中不可缺少的一项关键技术，特别是在今后多兵种联合作战的情况下显得更为重要。该技术将作为机载火控雷达的一个重要功能，为机载武器系统提供正确攻击目标的参数，也为战场态势分析和战略决策提供依据。NCTR关键技术的突破，在提高各国空军武器装备的性能、制空能力和生存能力等方面都起着重大的作用。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题,提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络,将位姿测量问题转换为空间目标点云关键点回归问题,通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点;其次利用具有连续稳定标签的角点求解目标姿态,可有效解决目标的对称结构导致的点云误配准问题;最后通过仿真数据集的实验表明,该方法相比于传统的点云配准方法有更高的准确率,能够精确求解具有对称结构的空间目标相对位姿。     

空间非合作目标质量特性在轨辨识

提出基于系统动力学方程的空间非合作目标质量特性辨识算法。利用递推最小二乘法辨识空间机器人抓捕非合作目标后系统整体的质量特性,进而根据多体动力学的建模方法,通过几何关系解算得到非合作目标与末端作用器联合体的质量特性参数。仿真分析验证了该辨识算法的有效性。     

太空非合作遥感卫星三维重建点云的平面滤波方法

受太空环境光照条件弱、卫星高速运动、卫星表面纹理匮乏等因素的影响,太空非合作遥感卫星的三维重建点云中往往会存在大量噪声,给太空非合作目标的准确探测带来了非常不利的影响。文章以非合作遥感卫星的形状特征作为先验知识,提出一种三维重建点云的平面滤波方法。针对点云噪声的不同特点,首先利用统计分析滤波方法消除离群离散点噪声;其次,利用改进的区域生长聚类方法,分割出点云模型中的平面结构与离群点簇噪声;然后,分别用RANSAC算法和最小二乘法对平面结构进行滤波,并将平面结构附近的噪声点垂直投影至平面内,去除模型表面噪声。实验结果表明,该优化方法可以有效去除非合作遥感卫星三维重建点云中的大部分噪声,得到卫星平面结构的光滑点云数据。     

空间绳系机器人抓捕非合作目标的质量特性参数辨识

针对空间绳系机器人抓捕非合作目标/空间垃圾后需要对其进行回收/拖曳的精确控制问题,提出了一种利用抓捕后保持阶段的振动特性辨识目标参数的方法。首先,根据质量特性参数辨识的需要,推导了系统的动力学模型。不同于以往将本体卫星和被抓捕目标简化为质点的动力学模型,本文针对任意的目标抓捕位置,在考虑重力梯度影响的基础上,利用拉格朗日法获得系统各广义坐标的动力学公式。然后,分析非合作目标和系绳在后抓捕保持阶段的姿态运动。最后,在非合作目标与本体卫星没有任何信息交互的情况下,利用后抓捕阶段目标卫星和系绳特有的振动,并使用具有鲁棒性可遗忘因子的递推最小二乘法,提出了包括转动惯量和质心到任意抓捕点距离在内的质量特性参数辨识算法。     

空间非合作目标在轨光学捕获方法研究

针对空间非合作目标尺寸和运动特性差异大、现有基于单一特性的捕获方法适应性差的问题,设计了星图信息和运动特性相结合的非合作目标光学捕获方法。并结合硬件电路特性,提出了一种基于DSP+FPGA异构双核目标捕获嵌入式平台架构,解决了在轨应用难题。通过全物理仿真试验对实现的非合作目标嵌入式捕获系统的功能和性能进行了全面测试。结果表明,系统具备1024×1024@20p格式视频的实时处理能力。且对于不同运动速度、不同尺寸的非合作目标均能够准确捕获。采用蒙特卡罗方法随机生成了1000个初始视轴指向进行测试,基于电子星图模拟器和光学星图模拟器的目标捕获正确率均达到99.8%。综合而言,该解决方案的计算精度高,鲁棒性好,适应性强,能够有效应用于执行高精度非合作目标在轨监测和清理等任务。     

空间非合作目标超近距离位姿测量技术研究

对一种基于显著特征点的空间非合作目标超近距离位姿测量技术方案进行了研究。给出了方法的流程。介绍了非合作目标捕获与跟踪、特征提取、特征匹配、三维结构重建、相对位置与相对姿态测量等关键技术。仿真结果验证了其可行性。     

非合作空间目标自主交会凸优化制导技术

为解决非合作空间目标机动、自旋、章动等动态特性对自主交会过程带来的困难和挑战,在某飞行器姿轨控一体化推进系统配置的基础上,充分考虑各类约束后构建标准的凸优化自主交会数学模型;着重分析了非合作目标动态特性对制导误差的影响,设计相应的修正策略;以原始对偶内点法作为核心求解器,设计了具备状态预测和更新能力的制导算法;数学仿真验算表明,该方法合理可行,克服了动态特性造成的接近轨迹偏差,良好地适应了非合作交会任务。     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题,提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练,用少量实际目标图像进行迁移学习,实现非合作目标图像高层抽象特征的自动提取;再设计基于回归模型的姿态映射网络,建立图像高层特征与三轴姿态角之间的非线性关系,实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小,测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。     

利用遥测数据预报导弹落点的方法

给出利用遥测数据对导弹进行落点预报的方法。根据遥测数据传输多遍的特点，对解码后的ＰＣＭ 数据进行处理，得到误码率很小的数据。然后对头体分离时刻前导弹飞行的状况和遥测数据进行分析，从而对发动机后效误差进行修正，得到较精确的导弹运动参数，最后利用弹道方程预报导弹落点     

基于多智能体强化学习的轨道追逃博弈方法

针对空间轨道博弈过程中的集群卫星和非合作目标追逃博弈情形下的动力学模型复杂、非合作目标机动信息未知,以及卫星间难以有效协调等问题,提出一种基于多智能体深度强化学习算法的集群卫星空间轨道追逃博弈方法.首先通过对博弈场景进行建模,在考虑最短时间、最优燃料以及碰撞规避的情形下进行奖励函数的塑造和改进,利用深度强化学习方法中的...     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

基于子孔径处理的大斜视SAR点目标仿真

机载合成孔径雷达(SAR)平台无法在长合成孔径时间内保持理想匀速直线运动,运动参数变化较大。利用全孔径算法进行成像处理,难以高效地生成聚焦良好的图像。针对这些问题,本文通过在回波信号方位向划分子孔径,分段处理,从而得到聚焦良好的图像。为增强适用性,子孔径处理时采用大斜视角下的距离多普勒(RD)算法,同时与传统正侧视及小斜视RD算法比较。经仿真验证:无论在大斜视情况下还是在有运动误差的情况下,本文算法都能使点目标良好聚焦,点散布函数的分布显示旁瓣均低于-20 dB,满足工程使用要求,说明了算法的有效性。     

基于价值评估的卫星遥感数据迁移方法探讨

如何对存储的数据进行迁移是采用分级存储结构的卫星遥感数据存储系统的关键技术之一。文章提出了一种基于价值评估的卫星遥感数据迁移方法。通过建立价值评估的模型获得卫星遥感数据的价值,并以此指导存储系统对数据迁移。通过模拟环境下的试验,结果表明采用此方法能够达到提高系统性能、降低开发成本的效果。     

基于增程雷达一维像特征的高轨卫星识别方法

高轨卫星距离地球数万公里,雷达为了实现有效跟踪,通常使用增程技术。远距离使位置测量误差大到千米量级,增程导致数据率低到每帧以分钟计,雷达散射截面积(RCS)细节信息丢失,这给利用目标轨道和RCS进行目标分辨、识别带来困难。幸运的是高轨卫星目标相对观测视线位置和姿态稳定,天然消除了宽带一维像使用中方位敏感性的问题。本文通过一维像的尺寸、波形熵等特征,通过最小二乘支撑向量机,设计了高轨卫星目标的模板匹配算法,利用实测数据进行了识别验证,结果表明了方法的有效性。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。