基于FE-SEA方法的卫星部组件随机振动条件研究

卫星部组件的随机振动试验条件确定是较为困难的,通常依据以往试验结果和经验给出。文章尝试应用混合有限元-统计能量分析方法（FE-SEA方法）预示卫星部组件的随机振动环境,以此确定星上部组件的随机振动试验条件。文章首先介绍了该方法的基本理论;随后,用该方法对卫星部组件在星箭界面基础激励和外场声激励联合作用下的加速度响应进行了分析;最后,在综合考虑预示结果和工艺检验要求的基础上,探讨了部组件随机振动条件的确定方法。研究结果表明:FE-SEA方法建模简便,适用于组合载荷作用下的宽频随机振动响应预示,并且,可以较为方便地确定部组件随机振动条件。     

空间在轨环境下的30 cm离子推力器三栅极组件间距变化仿真分析

采用有限元仿真(FEM)与地面热平衡试验验证相结合的方法,计算并模拟了30 cm离子推力器处于在轨环境时,有、无主动热控对三栅极相对位移变化造成的影响,并对目前离子推力器设置的工作启动流程可能造成的打火风险进行了预估。结果显示：三栅极组件的热形变方向均为法向方向,且栅极中心区域的间距最小;在 -269 ℃ 在轨极限环境温度下,推力器在5 kW工作模式下温度平衡后的屏栅与加速栅最大热态间距为0.14 mm,加速栅和减速栅则已发生贴合;在受太阳辐照以及卫星帆板恒温边界的影响下,栅面最低初始温度为-102 ℃;当推力器主动热控保证温控点为20 ℃时,栅面最低启动温度为-25 ℃,且推力器工作8000 s后,屏栅与加速栅、加速栅与减速栅的最小间距分别稳定在0.25 mm和0.20 mm;当推力器主动热控保证温控点为50 ℃时,推力器工作9000 s后,屏栅与加速栅、加速栅和减速栅最小间距分别稳定在0.31 mm和0.30 mm,能够满足0.25 mm的栅极安全打火间距要求。     

复杂环境下少样本域自适应雷达RD智能识别技术

针对复杂电磁环境下,传统基于雷达回波的目标识别方法定位精度差和识别能力不足的问题,以典型海背景环境下的雷达时频二维像目标为研究对象,提出了复杂环境下少样本域自适应雷达智能RD识别技术,通过设计基于分离注意力的偏移区间配准目标识别算法架构,实现了对目标的精确定位和识别,同时设计了域自适应技术对源域和目标域进行特征配准,解决少样本条件下算法场景适应性不足的问题。通过在雷达回波仿真数据和真实数据上对算法测试验证,取得了较优的结果,证明了该算法的有效性。     

卫星结构基础加速度激励及界面力识别试验研究

针对某卫星结构模型,开展基于实测卫星结构加速度的卫星基础激励和星-箭连接界面动载荷反演试验研究.首先,根据卫星结构和试验条件,设计了用于测量星-箭界面传递载荷的工装;其次,基于卫星结构模态试验和有限元模型修正技术,获取了卫星结构的高保真有限元模型;进一步,开展基础激励下的卫星结构模型振动试验,利用动载荷识别技术获取振动...     

基于点云的空间非合作目标结构识别问题研究

在空间非合作目标捕获任务中,从传感器数据中识别出目标表面的可抓取结构是一个有待解决的问题。以卫星点云数据集作为对象,对4种基于神经网络算法(PointNet、PointNet++、SPLATNet和SO-Net)在卫星结构分割识别任务中的性能进行了比较分析。为了能够更好地测试算法性能,基于NASA在线数据库构建了训练测试数据集,并给出一种点云数据的快速构建方法。使用该方法,可以实现成批量地生成点云数据。仿真测试结果显示:PointNet++在卫星完整点云数据集和非完整点云数据上的分割准确率都是最高,并且分割效果也优于其他算法。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

基于遥测数据的卫星在轨飞行温度仿真算法研究

研究一种基于遥测数据的卫星在轨飞行温度仿真计算方法,以卫星热控边界温度遥测参数作为仿真计算模型基准温度参数,挖掘星上设备温度与安装边界（热控边界）温度之间的数值定量关系,形成卫星温度关系数值矩阵。通过基准温度遥测数据与卫星温度关系数值矩阵之间数值运算,实现卫星在轨飞行温度仿真预计,计算误差小于2.5℃。     

CCSDS统一空间数据链路协议应用分析

针对TM、TC、AOS、Proximity-1四种空间数据链路协议的应用局限性,对CCSDS（国际空间数据系统咨询委员会）提出的统一空间数据链路协议（Unified Space Data Link Protocol, USLP）规范进行分析,介绍了USLP传输帧主导头和数据域中各个字段的设计驱动,以及与其他空间数据链路协议的差异。对于服务数据单元信道复用传输需求,梳理了物理信道、主信道、虚拟信道、多路复用访问信道的服务类型,明确了数据传输服务、信道复用、信道标识、服务数据单元之间的关联关系。以遥测遥控数据空间链路传输为例,分析了USLP的适用性和推荐设置。     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。     

美国DMSP-F13卫星解体事件对空间碎片环境影响分析

2015 年2 月3 日,美国DMSP-F13 卫星发生爆炸解体,产生了百余块编目空间碎片。该卫星解体碎片主要分布在轨道高度600～1200 km 范围内,其中近50%的编目碎片在轨寿命将超过20 年,会对未来空间碎片环境构成长期影响。结合我国空间碎片环境工程模型SDEEM 对DMSP-F13 解体事件的分析结果显示,此次解体事件造成邻近轨道区域内空间碎片空间密度增加,对该区域航天器安全运行产生影响。     

基于改进SSD算法的航拍目标检测算法研究

研究基于深度学习技术的无人机航拍图像目标检测算法,首先介绍目标检测算法SSD(Single Shot MultiBox Detector),并对其特征提取网络进行改进,采用稠密特征提取网络替换原网络的主干特征提取网络,提高算法的特征提取能力,从而提升了算法的检测精度。针对网络实时性问题,在算法中引入分组卷积,极大地减少了网络参数量,提升了网络推理速度。为解决训练中出现的正负样本不均衡问题,利用焦点损失（Focal Loss）改进了原算法的损失函数,进一步提升了网络的收敛速度和精度。最后,通过仿真验证了改进算法在目标检测精度上的优越性。     

电子侦察卫星的情报侦察能力分析

电子侦察卫星作为现代战争中情报侦察的重要手段之一,发挥着越来越重要的作用。首先概述了电子侦察卫星的工作过程,构建了电子侦察卫星的侦察模型,采用数据仿真的方法,从瞬时侦察覆盖范围、侦察覆盖区域、飞行周期、重复侦察周期、侦察有效时间等方面对电子侦察卫星的情报侦察能力进行分析,分析结果可为电子侦察卫星的作战使用研究提供一定的理论依据。     

液体火箭发动机试验脉动压力测量技术研究

对常规液体火箭发动机的脉动压力测量特点、测量系统组成与测量方式以及发动机不稳性燃烧的关系和数据分析方法做了介绍,并在此基础上阐述了现有常规液体火箭发动机脉动压力测量工艺方法.通过对现有常规液体火箭发动机脉动压力测量参数引入,解决了常规液体火箭发动机在工作过程中以往无法对不稳定燃烧现象的监测及其有效评估问题.并为研究发动机工作状态和评价发动机工作性能提供了重要手段.