一种高速可靠的大体量星载软件重构方案设计

随着星载软件的复杂度与体量不断增加,对软件在轨重构并进行更新维护的功能愈发重要。当软件越来越大时,使用低速通道进行重构的方案在时间上难以满足在一个测控弧段内重构软件的需求。同时,大软件使得数据存储空间更为紧缺,无法使用三模冗余等传统方法保证程序数据的可靠安全。因此,本文提出了一种使用高速通道的可靠的大体量星载软件重构方案。以固化在PROM （可编程只读存储器）上的引导监控程序作为根本保障,构建一个存于MRAM （磁随机存储器）上专门用于高速重构软件的安全模式程序作为方案核心,并给星载软件加入自重构功能作为最常用的重构方式。通过地面测试与在轨实验表明：该方案能够保证大体量软件重构功能的高速度与高可靠性,让星载软件的更新与维护更加安全与便捷。     

Micro-mechanical model for predicting the elasto-plastic behavior of composites based on secant formulation method

To predict the Elasto-Plastic Behaviors (EPBs) of aligned inclusions reinforced composites, this paper develops an interpolative Mori-Tanaka/Double-Inclusion (MT-DI) homogenization model with the secant formulation, and gives the numerical implementation algorithms of the developed MT-DI model with the secant formulation. The Finite Element (FE) homogenization method is implemented to provide the “exact” EPBs of the composites and thus validate the MT-DI model with the secant formulation. The MT-DI model with the 2nd-order secant formulation is validated to provide the more accurate predictions, while the MT-DI model with the 1st-order secant formulation always gives the stiffer predictions. The results show that using the macro-stress and macro-strain as the inputs, the MT-DI model with the secant formulation gives the identical predictions. The predictions of the MT-DI model with the secant formulation vary between those of the MT and DI models with the secant formulation. Meanwhile, the MT-DI model with the secant formulation does not predict the accurate EPBs for the phases of the composites.     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合,小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求,提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法,两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束,具有良好的鲁棒性。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

多梁复合结构的动力学建模及全局解析振型分析

多梁复合结构广泛用于工程领域,其动力学特性对相关装备的工作状况有着重要影响,建立准确适用的动力学模型对后续的动力学响应参数影响规律研究有决定性作用。针对工程中常见的多梁复合结构,给出了位移场的一般表达式,利用哈密顿原理得出多梁复合结构的运动控制方程和边界条件,对其全局解析振型进行理论计算,给出了计算多梁复合结构数值振型的一般过程,基于数值分析和实验分析以L型梁和Z型梁为例利用频率相对误差、振型定性比较和MAC定量分析说明了全局解析振型的求解验证方法,利用伽辽金方法和全局解析振型给出了截断原系统得到离散系统运动方程的一般形式。提出的多梁复合结构的建模方法和全局解析振型求解验证方法,对工程中此类结构动力学响应的参数影响规律研究有重要意义。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

运载火箭新一代测量系统发展设想与关键技术分析

回顾了我国运载火箭测量系统的发展历程,以设计要素为依据,对运载火箭测量系统的发展进行了划代;在当今航天发展的新形势、新要求下,提出以"集成化、网络化、无缆化、高速化、智能化"为主要特征的新一代测量系统功能设想,并重点对关键技术的实现进行详细阐述。     

跨介质航行器波浪环境入水流场演变和运动特性研究

跨介质航行器是一种既可以在空中飞行又可以在水下潜航的新概念航行器,基于仿生学原理,提出一种通过改变外形实现水空介质跨越的航行器模型,通过入水试验装置和计算流体动力学方法,对航行器带攻角从空气到水的介质跨越过程进行了试验和数值仿真研究,得到了跨介质入水过程航行器的运动姿态和入水空泡形态,并通过数值仿真得到了航行器的升力、阻力、速度和加速度演化规律。同时基于数值模拟方法对有波浪情况和静水情况下航行器入水过程空泡演变以及运动特性进行对比。结果表明:提出的航行器构型在水中具有较好的姿态调整能力,波浪的有无和波高的不同都会对航行体入水运动特性造成影响。     

跨介质航行器流体动力外形仿生设计

跨介质航行器是一种可在空中与水中两栖巡航并能自由穿越水气界面的新概念海空两栖无人运动平台,需要具备良好的入水和出水性能及较小的水下流体阻力。采用两种生物组合仿生的设计思想,利用全自动三维影像扫描仪获取具有优良入水性能的翠鸟头部和龙虱身体的形体特征点云数据,应用傅立叶级数拟合方法拟合特征曲线,设计了一种跨介质航行器流体动力外形,为减小航行器入水冲击载荷、降低水下航行阻力提供了设计方案。