共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
为了模拟失重状态,航天技术发达的国家都建立了用于航天员出舱活动训练的中性浮力水槽。但与太空失重环境相比,水中存在的水动阻力会导致两种环境下人体运动反馈的差异性。基于ADAMS多体动力学仿真软件,按照“飞天”舱外航天服的质量分布,建立了着舱外服人体动力学模型。利用此模型仿真比较了水下和失重环境中肘关节屈伸、肩内收外展、肩矢状面内运动时人体躯干的动力学反馈,发现水下环境中模型躯干的转动速度峰值和平均值均较大。研究结果已应用于神舟七号载人飞行任务出舱活动航天员训练,建立的航天员人体动力学模型可应用于我国未来空间站任务出舱活动仿真分析。 相似文献
3.
出舱活动(EVA)是指航天员脱离母航天器的保护环境,依靠自身的生命保障系统在太空中进行包括科学观察及研究、修理飞船或空间站表面、太空行走等在内的各种活动.出航活动关键技术的研究涉及环控生保技术、航天服技术、医学、工效学以及地面模拟技术等,它们不仅为出舱活动提供了充分的技术保障,还为航天员提供了维持生命必须的微气候环境和进行出舱活动的装置及措施. 相似文献
4.
5.
飞船研制的重中之重气闸舱的设计和改进是神舟七号飞船研制工作中的重中之重,也是我国航天员首次太空行走,突破航天员出舱活动技术的关键所在。在轨道舱兼作气闸舱的研制中,技术人员先后进行了出舱活动操作空间设计、扶手等限位助力保险装置设计、增大出舱活动通道设计、泄压复压功能设计、出舱活动通信功能设计、出舱活动操作显示界面设计、出舱活动照明摄像功能设计等多项技术创新,实现了气闸舱的功能要求。新设计的气闸舱的功能是:具有两次完整的泄载压力和恢复压力的功能,并配置了支持航天员空间出舱活动的设备设 相似文献
6.
北京时间10月23日23时38分,美国"发现"号航天飞机搭载7名航天员,从佛罗里达州肯尼迪航天中心39A发射台上发射升空,执行STS-120任务;25日20时40分,与国际空间站顺利对接。在此次为期15天的空间飞行任务中,航天员共完成了4次出舱活动,主要任务是安装"和谐"号节点舱,同时重新安装了空间站上携带有太阳能电池板的P6桁架,完成人员轮换和物资补给。在空间站建设方面,航天员还检查了国际空间站旋转接头的故障,修复了太阳能电池板的意外受损裂缝。11月8日02时01分,"发现"号航天飞机在佛罗里达州肯尼迪航天中心安全着陆。 相似文献
7.
8.
9.
10.
11.
基于航天员地面单人便携训练、多人协同操作训练、空间在轨操作辅助支持以及远程协同支持等工程任务需要,开展混合现实训练与支持技术研究。设计了航天员混合现实训练与支持的工程实现总体技术框架,针对航天员地面训练环境、在轨任务环境以及远程支持环境等特殊因素,对混合现实头盔头部位姿实时估计技术、多人协同操作技术以及远程支持场景匹配等关键技术进行研究。试验验证和航天员体验表明,技术方法有效、用户体验良好,满足空间站航天员地面与长期在轨典型性训练和支持任务需求,提高了训练支持质量和效率。 相似文献
12.
13.
14.
航天员选拔训练是载人航天工程中至关重要的环节,选拔训练合格的飞行乘组将直接影响到工程计划的顺利实施和飞行任务的成败。简要分析和阐述神舟七号载人航天飞行出舱活动任务对飞行乘组及航天员选拔训练的要求与挑战、选拔的策略和原则,概述选拔训练的项目、内容、方法、实施安排与结果,以及出舱活动训练简况。 相似文献
15.
航天员舱外活动安全绳虚拟现实操作仿真方法研究 总被引:1,自引:0,他引:1
《载人航天》2018,(6)
为了解决航天员舱外活动虚拟现实训练仿真中安全绳的逼真仿真问题,分析了安全绳的结构组成和神七任务航天员出舱过程微重力下的安全绳变形规律,对安全绳采用质点-直线弹簧-弯曲弹簧模型建模,使用基于位置的仿真方法计算了安全绳的变形,给出了安全绳的仿真参数,建立了航天员舱外活动安全绳操作仿真系统。开展了受试者试验,仿真结果表明,仿真方法实时有效,可为航天员虚拟现实舱外维修仿真提供基础算法。 相似文献
16.
17.
18.
19.
基于历史统计数据,采用最坏情况分析方法,分析空间天气事件引发的带电粒子环境及大气密度变化对空间站的工程影响,结果显示:(1)发生强太阳质子事件并伴随强地磁扰动(Kp>5)时,部分太阳质子可以到达空间站,但其对空间站元器件及材料在整个任务期内遭受的累积电离总剂量贡献不大;若航天员出舱活动持续8h,将遭受来自高能太阳质子的剂量当量为4mSv,大约相当于航天员驻留180d的1/80;(2)太阳耀斑和地磁暴均能引发大气密度变化,而地磁暴对空间站轨道影响较大,最恶劣情况多出现在太阳活动周下降期.即最坏情况下,在350km和400km高度,空间站轨道衰减率可分别增加652m/d和316m/d. 相似文献
20.
为提高航天员出舱活动(EVA)的工效,提出了一种基于视觉感知启发的物体识别方法。首先对视觉观察到的一定区域内的图像进行采集,然后进行二值化赋范梯度的特征提取,并预测物体所在区域的矩形框,选取比该矩形框扩大一定范围的图像作为输入,传递给深度卷积神经网络CNN进行类别识别和精定位。在自建的数据集上进行测试验证,结果表明:该方法达到了88.2%的平均识别准确率,识别速率为0.047 s,可以满足舱外物体识别需求。该方法可为信息化、智能化的出舱活动任务提供参考,对提高出舱活动任务的工效具有重要意义。 相似文献