飞轮扰动经验模型参数的识别与改进

对飞轮扰动模型参数的精确识别是研究光学卫星高稳定度、高分辨率成像的基础. 目前, 飞轮的扰动模型识别主要有两种: 经验模型和分析模型. 经验模型需要识别的参数是谐波级数和幅值系数, 而当前存在的参数识别算法忽略了时域截断的影响, 导致幅值系数识别存在较大偏差, 这会引起扰动响应分析的不确定性. 针对上述情况, 提出了窗函数法和与其相关的频域恢复技术, 有效弥补了时域截断的影响. 通过实验仿真结果可见, 该方法大幅度提高了幅值系数的识别精度.     

基于小波方法的挠性空间结构模态参数的辨识

研究挠性空间结构密集模态参数的小波辨识方法。利用系统脉冲响应的小波变换，对挠性空间结构低频密集模态的频率、阻尼与增益参数进行辨识。当小波的分析频率较大时，小波变换具有分离密集低频的能力。仿真与实验验证了方法的有效性。     

基于遗忘因子算法的飞行器颤振模态参数辨识

采用频率响应函数数据的频域多输入多输出状态空间模型,研究基于遗忘因子的输入输出数据矩阵构造机制,提高辨识算法的收敛速度;针对系统矩阵的求解问题,采用主成分分析法实现对模型参数矩阵的一致性估计,避免了奇异值分解带来的估计有偏性;算法前采用新息方差准则估计出系统的阶数,以减少计算复杂度。最后利用试飞试验数据辨识飞行器的系统参数,验证了该方法的有效性。     

基于序列图像的空间目标三维重建

空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。      

基于视觉测量的太阳翼模态参数在轨辨识

针对传统接触式振动测量方法的缺点,提出一种基于视觉测量的太阳翼模态参数在轨辨识方法.具体过程包括相机标定、标志点检测、三维坐标解算和模态辨识等.利用两台相机和一台计算机构成的双目立体视觉测量系统进行了地面试验,测量得到了太阳翼测点处的振动位移响应,然后采用ERA算法辨识出了真实太阳翼的两阶主要模态参数.通过与激光测振仪测量结果进行比较,验证了上述方案的有效性.实验表明,视觉测量方法设备简单,灵活性高,是一种理想的在轨振动测量方法.     

应用试验模态参数修正理论模型的最佳矩阵逼近法

本文从特征方程和模态正交性条件出发，给出了一种应用模态参数识别结果修正理论模型的最佳矩阵逼近方法。该方法通过对识别出的模态矩阵进行奇异值分解并结合特征方程和模态正交条件导出了修正理论模型的通解表达式，在此基础上，给出了最佳逼近解的定义，研究了最佳逼近解的唯一性，给出了最佳修正质量矩阵和刚度矩阵的具体表达式，数值计算表明，本文方法具有很高的修正精度，对于大误差模型也有较好的修正能力，具有一定的应有和     

基础激励下结构模态参数辨识

利用基础激励辨识结构模态参数的方法是一种在空间飞行器的研制中具有工程意义的模态分析方法。文中对这一方法做了较为系统的探讨,推导出了基础激励下频响函数的数学模型,其形式类似于传统方法中相应的公式,因而只需对测量数据稍作代数修改,即可利用现成的模态分析系统进行基础激励下模态参数的辨识。通过计算机仿真、悬臂梁试验及工程实例的综合分析,表明基础激励方法在工程应用中具有与其他传统方法同等的可靠程度。     

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection,CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中,为提高太阳风预报的准确率,需要提高CME参数识别的精度.模型以计算任务串行的方式运行,运算效率低导致模型运算时间长,不能满足这种需求.CME参数识别模型的物理运算过程相互不独立,其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架,改进了CME参数识别模型的计算流程,提出CDMR（CME detection under MapReduce）方法,实现了CME参数识别模型的并行计算,并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间,提高了模型的识别精度和计算效率.     

基于未知陆标图像测量的自主相对导航方法研究

针对未知环境下行星表面导航问题,提出一种利用未知陆标序列图像测量的行星表面相对导航方法.该方法以初始时刻星下点天南东系为着陆参考坐标系,利用行星表面未知陆标在连续3幅下降图像中的观测信息及探测器状态估计建立未知陆标的隐式测量模型,通过扩展卡尔曼滤波(Extended Kalman Filter,EKF)所建立的未知陆标...     

基于混合编码的天文序列图像无损压缩算法

提出了一种将时间和空间双维度预测与混合熵编码结合的图像无损压缩算法,应用于星体定点成像的天文序列图像.时间与空间双维度预测可以消除天文序列图像的时间相关性和空间相关性.混合熵编码融合了高熵编码与低熵编码算法,充分利用预测误差分布的稀疏性,进一步提升压缩效率.针对星体的天文序列图像,该算法首先在时间维度上进行帧间预测,去除时间相关性,再对帧间预测后的图像在空间维度上进行直方图滤波和上下文预测,去除空间相关性,最后将预测误差送入熵编码器进行编码.实验结果表明,本文所提出算法的压缩效果优于JPEG-LS,平均压缩比提升约15%.该算法结构简单,计算复杂度较低,易于硬件实现,适合星载天文图像的无损压缩.     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。     

基于逆动力学和在线参数辨识的飞机姿态控制

传统的综合飞行/火力控制系统的设计使用了PID(Proportion-Integral-Differential)结构的飞行/火力耦合器,具有鲁棒性差、设计工作量大等缺点.提出了一种基于逆动力学和在线参数辨识的方法,用于直接设计综合控制系统中的姿态控制器.其中,对飞机的转动动力学方程,推导得到了其逆特性的解析形式;使用在线参数辨识方法,对飞机的气动特性进行估计并用于舵面分配.以六自由度非线性飞机模型为对象进行了仿真,结果表明所设计的姿态控制系统具有快速性好、通道间解耦效果明显、对气动模型误差的鲁棒性强等优点.本方法也可推广用于其他的飞行器姿态控制系统设计.     

航天器周期时变模态参数闭环在轨辨识的子空间方法

考虑在轨闭环航天器的参数辨识,利用子空间方法辨识大型闭环航天器的周期时变模态参数和控制器的增益参数.讨论了反馈控制器增益矩阵在状态空间方程中的坐标变换情况.利用该方法对所建立的ETS-Ⅷ卫星模型的模态参数和控制器增益参数进行辨识,通过验证闭环系统的响应值,说明该方法在航天器的模态参数闭环辨识中是有效的.     

基于ARMA时序模型的结构参数识别集员算法

研究在时域内利用含噪声观测数据识别结构参数问题.建立了与结构振动微分方程等价的自回归滑动平均(ARMA, Autoregressive Moving-Average)时序模型,将结构参数识别问题转换为ARMA模型参数辨识问题.在不确定但有界(UBB, Unknown-But-Bounded)噪声假设下,基于线性时不变系统参数集员辨识的区间算法,寻求与观测数据和噪声相容的参数的最小超长方体(或区间向量),进而得到结构参数的估计值.通过数值算例,将本文算法与最小二乘算法进行了比较,显示了其可行性和有效性.      

基于转子不平衡响应的磁轴承磁力参数辨识

针对磁轴承磁力参数理论设计值不精确的问题,提出了一种基于不平衡响应的磁力参数实验辨识方法.利用转子的质量不平衡在高速转动时的离心力效应,通过检测磁轴承在零电流控制状态下的同频位移响应和零位移控制状态下的同频电流响应,解算磁轴承磁力参数.设计了基于通用陷波器原理的零位移控制器和零电流控制器,并通过设置T矩阵保证闭环系统稳定.实验结果表明:基于不平衡响应的磁力参数辨识方法,辨识结果与理论设计值差别在20%之内,证明了该方法的正确性和改进磁轴承力学参数的有效性.      

大型碳纤维桁架结构模态试验及特性

基于随机子空间识别方法,采用自然脉动试验研究了大尺度、轻质高强承力型碳纤维复合材料桁架结构的模态特性.基于该桁架结构本身的特点,提出了3个基本假设,结合实际应用中桁架结构的约束条件,设计了大型碳纤维复合材料桁架的模态试验方案,并对试验结果进行了详细分析,总结了其频率特性、阻尼特性及振型特点.结合锤击法试验和有限元方法,对试验结果进行对比分析,结果表明3个基本假设合理,试验方案有效,试验分析结果可靠.研究结果可应用于浮空器结构设计和健康监测.      

基于灰色理论的失效机理一致性检验方法

针对基于加速模型参数不变、基于统计方法及基于试验观察3种常见的失效机理一致性检验方法进行研究,发现3种方法均需要加速试验数据来对失效机理一致性进行检验,不能事先为加速试验提供理论指导;提出了一种基于灰色理论的失效机理一致性检验方法,该方法可用预试验数据进行失效机理一致性检验,为加速试验制定最高应力台阶提供理论指导;结合某型光电编码器预试验数据对该方法进行实例验证,得出175℃附近为失效机理变化点,并与基于统计的方法进行对比;最后,对产品进行失效机理分析,利用扫描电镜分析(SEM,Scanning Electron Microscope)结果验证该方法的正确性.     

基于非线性直方图变换的对比度畸变图像校正

在实际成像过程中,因受多种因素影响而导致图像对比度畸变,使其质量下降。为了改善图像质量并增强视觉效果,提出了一种基于非线性直方图变换与参数优化的降质图像对比度畸变校正方法。首先,针对常规直方图均衡方法的局限性,通过人眼视觉感知特性分析,引入图像直方图的先验约束条件,建立了非线性直方图变换模型;进而,从校正效果的最优化角度考虑,运用遗传算法的进化寻优进行校正参数的优化,从而形成了一种高性能的对比度畸变校正算法。一系列在不同场景实拍的对比度严重畸变图像的校正实验结果表明,本文方法校正结果的客观质量评价测算指标和实际视觉效果都有显著提升,和常规校正方法相比具有明显优势。      

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点,也是碎片连体基下动力学参数向卫星坐标系转换的基准,对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程,获取附着到空间碎片表面的惯性单元间转换关系,利用该转换关系对惯性单元冗余测量数据优化,再优化求解惯性单元到质心点距离;利用双目视觉获取惯性单元上标记点动态坐标,再利用惯性单元到质心点距离,基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真,结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下,解算的质心位置三轴误差小于0.47mm;开展了地面试验,结果表明,解算的质心位置三轴误差小于0.49mm。仿真和试验证明,该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。