GNSS-R有效波高反演方法研究

研究基于GNSS-R测量有效波高的方法及技术原理,给出一种利用反射信号的信噪比反演有效波高的方法。方法根据海面粗糙度对反射信号信噪比的影响,建立有效波高反演模型。实验结果表明,反演有效波高数据的均方根误差是0.2431m。与传统的干涉复数场反演方法相比,文中反演方法模型简单,计算量少,能够用较短的时间反演出更精确的结果,具有一定的实用价值。     

一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

计算外壁热响应的非线性瞬态导热反问题方法

研究组合结构外壁热响应特性,采用Beck’s序列函数法,优化算法各个环节,建立应用多个温度测点、多个未来时间步的计算模型。文章通过假设热流变化呈三角波形,计算结构内部温度场,并取其中数点温度信息作为反问题输入条件迭代反演得到外壁热流响应,得到热流误差不超过0.5%、温度误差不超过0.01%的理想结果,并得到测点数量、位置等因素对计算误差的影响。该计算方法可应用于包装结构在模拟火灾等特殊环境中的外壁热响应研究。     

有限元分段反演优化方法测试固体推进剂的泊松比

提出了一种通过准确测量载荷响应,利用ABAQUS有限元软件,对推进剂相应状态下的泊松比进行分段反演的测试方法。基于反演优化原理,建立了迭代模型和误差分析模型;测试了某型固体推进剂应力松弛下的泊松比,给出了测试过程和结果,分析了测量误差;利用时温等效原理,获得了泊松比变化主曲线;反演结果与光学非接触测量结果进行了对比,得到了反演误差,进一步验证了测试方法的有效性。     

距离变化率测量慢漂误差的估计

ＭＩＳＴＲＡＭ系统是一种常用的航天飞行器轨道跟踪测量设备，但在距离变化率跟踪测量中存在慢漂误差，该误差严重影响测量数据精度。本文利用样条函数，建立了估计慢漂误差和轨道参数的非线性模型；通过建模，选模准则的深入研究，给出了表示轨道参数和表示慢漂误差的样条函数的节点选取原则；最后，利用所得的最优模型，给出了慢漂误差的估计及估计精度，本文方法应用于运载火箭的跟踪数据处理，得到了工程分析非常吻合的结果。     

面向火星表面巡视探测的热惯量反演模型及试验验证

基于火星表面土壤温度的昼夜周期性变化特性,建立了一种面向火星表面巡视探测的热惯量反演模型,可根据表层不同深度的热电偶测温数据计算被测区域的热惯量,实现表面巡视探测过程中的热惯量在线反演。为验证模型正确性,在地面建立了火星表面热特性试验测试系统,通过对比被测模拟火星土壤的热惯量实际值与模型计算值,验证热惯量反演模型的精度。结果表明,与试验模拟火星土壤的热惯量数值相比,该模型对热惯量的反演误差小于6%,为在线反演火星表面不同土壤地形的热惯量,辅助识别地形可通过性提供了一种可行方法。     

单航过单平台InSAR基线模型的敏感性分析

从单航过单平台InSAR系统对其自身基线的高精度需求出发,给出了光学测量方案下的基线模型,并针对模型中的各因素及其误差来源,进行了模型的敏感性分析,阐明了测量元素与位置修正矢量的基线矢量的误差传递关系,然后根据误差传递关系找出测量系统的优化安装部位。通过解析推导得出各类误差源在不同条件下对基线精度影响的理论结果,由仿真分析给出了不同安装部位的误差传递系数。通过敏感性分析可由测量环境的输入条件直接获得基线的误差量级,其结果可作为指导测量系统方案设计与精度分配的参考依据。     

非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。     

基于轮廓特征的X射线脉冲星信号多普勒估计

探测器速度引起的多普勒效应会影响脉冲星信号累积轮廓特征,反之,这种轮廓特征改变可用于多普勒估计。提出了一种基于轮廓特征的X射线脉冲星信号多普勒估计方法。通过建立累积轮廓非齐次泊松模型,获得多普勒效应对累积轮廓的影响。构造轮廓特征函数对该影响进行度量,并利用函数值与周期误差的关系搜索信号周期。在搜索过程中,将离散观测数据转换为连续能量密度函数,消除相位间隔对累积周期的限制。根据周期搜索结果,结合脉冲星先验知识完成多普勒估计。仿真实验验证了该方法的有效性,其多普勒估计精度优于频域方法。     

遗传算法和RBF神经网络在蜂窝结构等效力学参数计算中的应用

为解决蜂窝板等效力学参数计算困难问题,首先利用sandwich夹层板理论建立蜂窝板等效模型,并对计算结果引入修正系数。然后将修正系数作为设计变量,将等效力学参数模型的计算误差作为目标函数,建立优化模型。接着利用RBF神经网络模型建立修正系数和计算误差的代理模型,在此基础上,利用遗传算法进行迭代计算,最终得到较理想的蜂窝板等效力学参数。通过某星载测雨雷达天线座的工程案例验证方法的实用性,并通过与其他方法计算结果及实测结果的对比验证方法的准确性。     

运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题，提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入，将风场的速度和朝向作为网络输出，在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合，并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比，最少参数神经网络只使用一套框架即可完成风速和风向的拟合，并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

一种改进的激光星间链路终端指向误差在轨标定方法

提出一种改进的激光星间链路终端(LCT)指向误差在轨标定方法,对激光星间链路终端指向误差模型和观测数据获取方法进行改进。针对现有的终端指向误差参数模型误差因素考虑不足的问题,引入相应的误差项描述误差因素影响。针对链路观测法中存在的激励信号受限,不能充分激励误差参数的问题,以捕获过程中指向机构主动摆动时的入射光信号作为激励信号,以系统误差参数的可观测度最大为目标优化设计激励信号。仿真结果表明：经过本方法标定的误差参数经修正后, 激光星间链路终端的最大指向误差（方位向）由改进前的867.8 μrad下降到改进后的112.1 μrad;最大指向误差（俯仰向）由改进前的62.1 μrad下降到改进后的51.5 μrad,有效地提高了激光星间链路终端指向精度。     

基于深度学习的多步预测方法在太阳风速度预测上的应用

为对近地环境太阳风状况进行可靠预测,引入基于深度学习的多步预测方法来预测在太阳与地球之间的拉格朗日点1(L1)处距离输入观测数据序列未来24、48、72、96 h的太阳风速度.采用SDO的图像数据提取冕洞面积等特征信息,并从NASA OMNIWEB数据集提取其他输入特征,形成多变量的时序数据作为太阳风速度预测的输入信息...     

深空干涉测量对流层经典模型改进

对流层延迟修正误差是深空干涉测量的重要误差源之一。通过修正对流层经典天顶延迟模型和Niell映射函数NMF（Niell Mapping Function）构建了一种高精度区域对流层延迟模型。首先，结合我国深空网喀什深空站对流层延迟实测数据，对Saastamoinen模型的适用性进行分析，通过线性最小二乘拟合修正天顶干延迟参数，模型精度相对改善29.6%；然后，针对NMF低仰角情况下映射偏差较大的问题，构建偏差函数模型，显著改善了低仰角下的映射性能，经实测数据验证：仰角在0°~30°时，对流层延迟模型偏差相对改善约30%。改进后的对流层区域模型估计精度高，可为我国深空干涉测量对流层延迟修正提供参考。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

船摇数据实时处理的一种新方法

对船摇数据建立了一个时间序列自回归实时处理模型，在该模型的基础上，对船摇数据进行实时滤波及预报。经过大量实测数据及仿真数据的计算，从均方根差、均方根偏差、残差相关性、预报误差等多个方面研究了该方法的处理效果。计算结果表明该方法具有计算速度快、滤波及预报精度高等优点；将该方法与指数递推滤波＋极大似然预报法进行比较，前者明显优于后者。     

尖楔前体飞行器FADS系统驻点压力对神经网络算法精度的影响

针对尖楔前体（类乘波体）飞行器用嵌入式大气数据传感（FADS）系统存在建模困难及解算模型精度低的问题,首先采用BP神经网络建模代替传统的FADS系统空气动力学建模的方法,建立含有双隐含层的四层神经网络模型,然后通过合理选择网络结构参数及训练验证,对FADS系统的攻角进行解算,最后对驻点压力对算法精度的影响进行研究。结果表明,本文建立的含有双隐含层的四层神经网络模型精度较高,攻角测试误差小于 0.25°; 驻点压力是否作为输入参数对FADS系统神经网络算法求解精度影响较大,攻角测试误差相差达0.1°。在飞行器前缘半径允许的情况下,应尽量得到驻点压力用于解算攻角,提高解算精度。     

RGPS在交会对接中的应用

在伪距差分算法中， 目标飞行器的绝对导航误差通过方向余弦影响相对导航精度， 同时由于线性化观测方程引起的模型误差减小， 使其精度随相对距离减小而提高。仿真结果表明位置差分可以用于相对距离大于２００ｍ 阶段， 伪距差分可以用于相对距离２００ｍ 以内阶段， 两种方法的相对速度精度都需要提高。