渐扩变截面通道对会切磁场推力器性能的影响

为了改善会切磁场推力器在低功率下对中低等流量变化的不适应性,采用了一种渐扩的变截面通道设计来提升推力器中低等流量下的性能,对比了两种等截面通道与一种渐扩通道在中低等流量下的性能。虽然渐扩通道与小直径的等截面通道相比,会略微降低通道内的原子密度,但渐扩通道由于减小了出口离子能量损失,同时增大磁镜比促进电离,从而能够提升推力器在同等推力水平下的效率。而大直径等截面通道和小直径等截面通道分别由于原子密度过低及壁面损失较大,性能均不如渐扩通道。因此,渐扩型变截面通道在中低等流量变化范围内具有更优的性能,这对推力器性能的进一步优化具有重要意义。     

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

深空探测器模块化结构动力学研究

随着深空探测器技术的不断发展,深空探测器设计逐渐转向模块化和标准化。串联结构是模块化深空探测器常见并较为合理的结构形式,而如何将运载对探测器整体模态频率的指标要求合理转化为对探测器各个模块结构的设计要求是当前工作中的一项挑战。根据子结构综合模态法并基于固定边界法和悬臂梁理论,提出了探测器子结构模块动力学模态指标的分配方法。采用3种子结构模块极限处理方法,用全解析方式推导了子结构模块的基频表达式,并分析了子结构模块的动力学特性与探测器整体结构动力学特性之间的关系。提出的子结构模块的动力学指标分解方法操作简单,精度较高,可为串联式模块化深空探测器的设计提供关键性的指导。     

反导多传感器协同任务规划综述

针对反导作战多传感器协同任务规划的相关问题,结合反导作战的特点,探讨反导作战信息处理过程与多传感器协同任务规划的关系,并分析多传感器协同任务规划的内涵;在此基础上,梳理出多传感器协同任务规划涉及的关键技术,并综述多源信息综合处理、多传感器协同部署、协同跟踪、协同引导和协同识别等关键技术的研究现状;最后就多传感器协同任务规划的发展提出一些建议。     

垂直返回重复使用运载火箭技术分析

结合SpaceX公司近期进行的多次猎鹰火箭一子级垂直着陆返回技术试验,对比分析垂直返回重复使用运载火箭两种返回方式的工程应用价值。首先,建立运载火箭一子级动力返回段弹道设计动力学模型。随后,提出基于H-V飞行剖面分段返回弹道设计方法。然后针对“返回原场”（RTLS）和“不返回原场”(NRTLS)两种垂直返回方式,构建综合考虑上升段与返回段的推进剂耦合作用的一体化弹道优化设计策略。最后,通过数值仿真,对比分析了两种返回方式下的火箭运载能力。结果表明,采用“不返回原场”方式的运载能力损失仅占“返回原场”方式的一半,具有较好的工程应用价值。     

沸石分子筛对航天器分子污染物的吸附性能研究

针对空间环境中有机污染物沉积在航天器敏感部件上造成相关功能失效问题,提出一种利用沸石分子筛多孔结构在轨清除有机污染物的新方法。研究了真空环境中,Naβ、NaY、13X三种分子筛对某型号电缆真空放气产物的吸附能力,结果表明13X的吸附能力优于其它两种分子筛,饱和吸收率为14.03%。将其作为分子吸附器的吸附材料应用到航天器易污染的部位,将会有效控制航天器在轨运行的污染水平,提高可靠性。     

基于多智能体强化学习的空间机械臂轨迹规划

针对某型六自由度（DOF）空间漂浮机械臂对运动目标捕捉场景,开展了基于深度强化学习的在线轨迹规划方法研究。首先给出了机械臂DH （Denavit-Hartenberg）模型,考虑组合体力学耦合特性建立了多刚体运动学和动力学模型。然后提出了一种改进深度确定性策略梯度算法,以各关节为决策智能体建立了多智能体自学习系统。而后建立了"线下集中学习,线上分布执行"的空间机械臂对匀速直线运动目标捕捉训练系统,构建以目标相对距离和总操作时间为参数的奖励函数。最后通过数学仿真验证,实现了机械臂对各向匀速运动目标的快速捕捉,平均完成耗时5.4 s。与传统基于随机采样的规划算法对比,本文提出的自主决策运动规划方法求解速度和鲁棒性更优。     

基于3D Zernike矩的巡检器与空间站的相对导航算法

针对航天器相对导航问题,以空间站表面为"特殊地形",提出一种基于大型航天器表面巡检的相对导航算法。首先,运用巡检飞行器上的TOF （Time of Flight）相机测量空间站表面局部点云数据,以该点云数据为实时图,以空间站表面先验点云数据为基准图。然后,利用3D Zernike矩与三维地形间的一一对应关系,将三维地形匹配转化为基于3D Zernike矩的特征向量匹配。在此基础上求解实时图与匹配上的基准图间的相对位置、相对姿态,从而确定两航天器间的相对导航参数,并通过实验分析了匹配精度及速度的主要影响因素。最后,将该相对导航参数与惯性系统推算的相对导航参数在扩展卡尔曼滤波器的框架下实现信息融合,估计了巡检飞行器与空间站间的相对位置、相对姿态,实验结果表明,相对位置精度优于0.002 m,相对姿态精度优于0.1°。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

基于深度神经网络的客机总体设计参数敏感性分析

飞机总体主要设计参数敏感性分析揭示了总体主要设计参数对飞机特性指标的影响,有助于总体设计方案的决策。针对宽体客机总体主要设计参数敏感性问题,根据其总体主要设计参数和特性指标的特点,以及多学科间的耦合关系,建立了深度神经网络模型。该深度神经网络模型以客机总体主要设计参数为输入,对特性指标进行预测。在深度神经网络模型中,设置了多个输入层、多个输出层以及多个分块的隐藏层,从而模拟客机总体主要设计参数对特性指标的影响以及不同特性指标之间的相互作用。测试结果表明,与传统代理模型相比,深度神经网络模型对客机特性指标的预测精度更高,多参数适应性更好。利用该深度神经网络模型对客机总体主要设计参数进行敏感性分析。分析结果表明,机翼1/4弦线后掠角在30°~31.5°时,有利于减少最大起飞重量和起飞平衡场长;发动机海平面最大静推力和机翼面积对客机直接使用成本、最大起飞重量等特性指标的影响最为显著。