低能自由空气电离室优化设计

借助于空气比释动能的基本定义和概念以及空气比释动能绝对测量的理论方法,分析了自由空气电离室可以作为空气比释动能绝对测量方法的原理和条件。通过平板型与圆柱型自由空气电离室的优劣比较,选择平板型作为研究对象,详细介绍了经典的平板型自由空气电离室,并通过理论分析计算以及模拟计算的方法,优化设计包括:光阑半径、空气衰减长度、极间距等低能自由空气电离室的关键几何尺寸,以最小化空气比释动能测量时产生的总不确定度。     

基于小波滤波的无人旋翼机高度信息融合

针对小型无人旋翼机自主飞行时高度测量信息不稳定、易受干扰的问题,提出采用基于滤波数据的自适应高度信息融合方法来提高无人旋翼机高度测量信息的精度和可信度.通过基于小波提升算法的小波分解重构方法,消除原始测量数据中的高频噪声;根据全球定位系统的测量精度受搜到卫星数目波动影响的现象,提出利用自适应卡尔曼滤波的方法实现高度信息融合.通过自主悬停和三维航迹跟踪飞行试验验证该方法的可行性和有效性.     

基于扰动观测器的指数时变滑模再入姿态控制

针对再入飞行器姿态控制问题,设计了一种全局鲁棒的基于扰动观测器的指数时变滑模姿态控制器,使得在存在匹配模型参数不确定性和外部扰动情况下仍能够实现精确的姿态控制。首先对飞行器模型进行反馈线性化解耦,将俯仰、滚转、偏航通道分解为3个独立的二阶系统。然后以俯仰通道为例,设计指数时变滑模控制器,使得系统具有全局鲁棒性。进一步,为了减小采用饱和函数消除滑模控制抖振而带来的系统跟踪误差,引入扰动观测器,设计了一种基于扰动观测器的指数时变滑模控制系统。最后,以某飞行器为例建立六自由度仿真模型,在考虑大气密度、转动惯量偏差以及外部高频扰动的情况下,验证了加入扰动观测器后对系统性能的提高。     

异步双卫星MIMO系统中的空时编码方案

双卫星多输入多输出（MIMO,Multiple-Input Multiple-Output）系统中不同路径间传播时延的差异会造成接收信号不同步。针对该系统中接收信号不同步问题,提出一种时间反转全码率全分集空时编码方案。该方案中对发送的符号序列进行空时编码后,利用交织改变符号向量发送的时间顺序并对发送数据进行分组。将其中一组数据进行时间反转并插入保护间隔,使接收机在信号不同步的情况下仍然能够获得全码率和全分集增益,同时保留低复杂度最优译码算法的适用性。仿真结果表明,与传统方案相比,提出的空时编码方案能够获得最优的性能。另外,系统采用高阶调制方式或信道条件较差时,该方案的性能增益更大。     

提高光纤陀螺开机零偏稳定性的调制方法

针对光纤陀螺在开机启动时零偏不稳定的问题,从机理上分析了2π电压初始对准及前向增益变化对零偏的影响.提出了一种新的组合调制方法,通过4种状态的调制、解调,实现了对Y波导2π电压的快速调整,有效缩短2π电压在陀螺开机时的初始对准时间,由5min缩短至1 s,克服了目前方波调制的缺陷.经频域分析和实验验证,该组合调制方法还可以抑制由调制引起的交叉干扰,能够有效抑制前向增益变化对陀螺零偏的影响,从而使前向增益变化导致的陀螺开机零偏变化由0.03(°)/h减小至0.01(°)/h.     

新型卫星结构设计技术

针对卫星总体对结构提出的轻量化、微变形、高精度等技术要求,文章提出了研制过程中的关键技术,分别从卫星结构构型的比较与优化策略、柱锥一体化的蜂窝夹层结构承力筒设计、面向空间环境热变形控制的结构材料优化、星敏感器的高精度保证技术等四个方面展开阐述。最后,文章总结了卫星结构设计特点,给出了卫星结构研制的结果。     

电源线尖峰信号的分析与测试

针对感性负载在电源线尖峰信号试验过程中存在峰值难以捕获的问题,通过对感性负载在开关过程中的动态特性分析,研究了电源线尖峰信号的形成机理和影响因素,在此基础上,提出了在直流条件下电源线尖峰信号的替代测试方法。仿真实验结果表明,直流替代测试方法与理论结果基本一致,可用于解决标准试验方法的最大峰值随机问题,极大压缩峰值信号的动态范围,有效降低测试过程中的风险水平,对于电源线传导干扰的测试分析具有参考意义。     

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。     

地球同步轨道目标物深度学习检测方法

针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法。在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准。根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物。在此基础上,提出一套基于深度学习的目标物筛选方法。该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率。仿真结果表明,该方法达到98%的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境。