空间微小碎片对光学玻璃的污染效应研究

航天器在轨服役期间会遭受到大量空间微小碎片撞击作用。这些微陨石和空间微小碎片可能在光学玻璃表面碰撞产生陷坑,也可能吸附在航天器光学玻璃表面造成污染。文章介绍了采用静电式粉尘加速器使微米级铝粉末低速撞击K8光学玻璃,在玻璃表面吸附大量的粉尘粒子。研究结果表明,被铝粒子污染的光学玻璃透过率明显下降。透过率下降与污染程度成比例。对光学玻璃表面单个粒子陷坑计算分析表明,粒子吸附在玻璃表面时,比粒子陷入一定深度造成的光线衰减更大。     

中国海洋卫星技术成就与展望

利用卫星探测海洋已经成为国际海洋环境与生物资源探测的最有效手段。文章介绍了我国成功发射的海洋一号A星和B星的主要技术指标以及获得的重要应用成果,并展望了未来我国海洋卫星的后续发展。     

点火冲击波与药柱裂纹流固耦合作用机理数值模拟研究

流体计算采用基于非结构动网格的有限体积方法,结构计算采用分段精细时程积分方法,求解结构动力学有限元方程,流体计算和固体计算之间采用松耦合在不断运动的交界面上进行作用力和运动特性的传递,对固体火箭发动机点火形成的冲击波与药柱缺陷形成的弹性裂纹之间相互耦合作用过程进行了模拟。研究表明,作用在弹性裂纹上的冲击波载荷引起的壁面变形随时间变化明显,开始表现为撑开裂纹出口,随后出现了收缩出口撑开底部的瓶状;固体变形对冲击波在弹性狭缝内的压力波振荡影响较小,以前采用刚体模型得到的研究结论仍有指导意义。     

基于深度学习的语义分割算法综述

图像的语义分割是对图像中的每个像素标注其所属的类别。在航天领域,语义分割技术可用于定位航天器及其零部件,为航天器故障排除、部件维修、太空垃圾清理等在轨服务创造条件。近几年,全部或部分使用深度学习时,语义分割的效果获得了很大的提升。本文对基于深度学习的语义分割算法进行综述。首先介绍常用的数据集和通用的深度神经网络,随后对两类具有重大实用意义的分割算法:编码器-解码器算法和整合上下文信息算法进行总结。最后对语义分割的发展进行了展望。     

自主学习干扰观测器驱动的重复使用运载器再入段滑模控制

针对重复使用运载器(RLV)再入段的姿态控制问题,设计一种具有自主学习干扰观测器(SLDO)的滑模控制器。基于奇异摄动理论及时标分离原则,将RLV的姿态动力学方程划分为外环和内环子系统。根据RLV再入段模型不确定性和外部干扰均随时间变化、不可忽略且无法预知边界等特点,结合2型模糊神经结构、误差反馈学习架构以及滑模控制(SMC)理论,提出一种新型在线自主学习干扰观测器。设计基于SLDO驱动的多元超螺旋滑模控制器,完成对再入段姿态的跟踪。最后,针对6自由度RLV模型进行了仿真分析,仿真结果证明了控制方法的有效性以及鲁棒性。     

改进差分进化算法求解多成像卫星调度问题

针对多成像卫星联合调度规划建模难度大和求解复杂度高等问题,通过分析成像卫星的成像过程和工作原理,将成像卫星调度过程分为调度预处理、任务规划和调度优化3个阶段。在调度规划过程中,建立了多星联合调度约束满足最优化模型,采用启发式算法思想,定义了个体适应度评估函数,设计了任务冲突消解方法,提出了一种改进的差分进化算法。在此基础上,采用一些确定性规则对调度规划方案可行解进行了评估和二次优化。结果表明:提出的成像卫星调度问题求解方法能够有效地分配卫星资源,生成优化的调度方案。设计结果也能够为卫星系统最优化设计和效能评估提供必要的决策支持。     

一种星载GNSS-R海面风向反演方法

针对目前海面风场反演中风向反演困难,准确性低的问题,提出一种利用深度网络反演海面风向的新方法,该方法采用星载GNSS-R信号作为遥感源,根据海面反射信号特性与风向相关关系选择反演观测量,建立海面风向反演的深度网络模型。引入ReLU函数作为网络激活函数,并基于遗传算法(GA)优化了网络模型,对输入数据进行时空匹配与归一化处理,通过机器学习建立风向与输入变量的对应关系,利用深度网络模型反演得到海面风向,该方法反演结果的均方根误差εRMSE=18.14°,满足海面风向测量精度均方误差小于20°的一般测量要求,并通过两组对比试验验证了该方法的有效性和鲁棒性。     

喷管喉衬背壁绝热层后效传热炭化分析

针对目前喷管喉衬背壁绝热层后效传热炭化缺乏定量分析的现状,通过材料模型、载荷模型的研究工作,建立能够满足喷管后效传热分析精度要求的喷管温度场有限元计算方法,并通过缩比试验喷管温度场计算与试验测试结果的对比分析进行验证。在此基础上,开展了背壁绝热层后效传热的仿真分析,掌握了后效传热炭化分析方法,并得到了解剖测试结果的验证。研究结果表明,背壁绝热层的炭化大部分发生在后效传热期间。利用该方法进行了全尺寸喷管的背壁绝热层后效炭化分析工作,提出了根据温度计算结果进行裕度评估的方法。评估结果表明,全尺寸喷管的背壁绝热层设计厚度有减薄空间。     

基于态势评估及DDPG算法的一对一空战格斗控制方法

已有的空中格斗控制方法未综合考虑基于专家知识的态势评估及通过连续性速度变化控制空战格斗的问题。基于深度确定性策略梯度（DDPG）强化学习算法,在态势评估函数作为强化学习奖励函数的基础上,设计综合考虑飞行高度上下限、飞行过载以及飞行速度上下限的强化学习环境;通过全连接的载机速度控制网络与环境奖励网络,实现DDPG算法与学习环境的交互,并根据高度与速度异常、被导弹锁定时间以及格斗时间设计空战格斗结束条件;通过模拟一对一空战格斗,对该格斗控制方法在环境限制学习、态势评估得分以及格斗模式学习进行验证。结果表明：本文提出的空战格斗控制方法有效,能够为自主空战格斗进一步发展提供指导。