盲稀疏度信号重构的改进正交匹配追踪算法

在信号盲稀疏度条件下,现有重构算法的固定阈值选择限制了重构精度和重构速度提高,鉴于此,提出一种改进的正交匹配追踪算法。通过非线性下降的阈值快速选择原子,自动调节候选集原子个数,以便每一次迭代时更加精确地估计真正的支撑集,并利用正则化过程实现支撑集的二次筛选,最终实现了盲稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法的重构精度和速度分别提高了8.5%和9.2%。     

分布式InSAR卫星绕飞角设计与控制方法研究

针对分布式卫星绕飞轨道构型设计与控制问题,提出了基于Hill方程的绕飞构型设计算法,给出了绕飞角与升交点赤经偏差和轨道倾角偏差的关系,并分析了绕飞角的稳定性;根据分布式InSAR卫星绕飞构型特点提出了基于开普勒轨道实现特定绕飞角和绕飞半长轴的双层迭代轨道控制算法。仿真结果表明,上述方法设计的绕飞构型稳定,捕获控制策略简单可行、控制精度高,具有一定的工程参考价值。     

基于知识和大数据的多航天器管理云平台设计

在轨卫星数量呈爆发式增长.在应用方面,亟需提升海量卫星并行管理能力和自动化、智能化水平.设计并构建了一种基于知识和大数据的航天器在轨管理云平台,通过工程实际应用,验证了系统设计的可行性,实现了200余颗在轨航天器的并行管理,可以为我国未来复杂星座星群的高效运行管理提供参考.     

离子与霍尔电推进性能和质量的工程数据模型

为了提供航天工程任务设计时优选离子或霍尔电推进的通用对比分析方法,基于工程数据建立了包括推力器、电源处理单元、推力器选择单元、控制单元、推进剂气瓶、调压单元、流率单元、推力器支架、电缆、管路等产品的电推进的性能和质量经验模型。在此基础上通过推导建立了电推进系统干质量通用模型,模型变量参数包括推力器功率、推力器数量和推进...     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

绳网拖曳带帆板失效卫星的波动控制

针对带有柔性太阳帆板的失效卫星,提出了一种基于波动控制理论的控制方法,同时实现了绳网拖曳过程中稳定碎片姿态与抑制帆板振动两个目标。首先,提出一种新的绳网简化结构,用Kane方法建立了动力学模型,使其能够在保证运算效率的同时具有更高的精度。然后,针对系统特性设计了波动控制策略,仅需要输入系绳张力的大小和方向,便能通过拖船位置的改变来消除失效卫星的自旋和帆板振动。最后,通过数值仿真验证了控制律的有效性。仿真结果表明,在控制律作用下的拖曳过程中,失效卫星的姿态能够快速稳定,同时帆板的振动也得到了良好的抑制。     

基于SURE准则的参数自适应InSAR相位非局部滤波

干涉相位滤波是干涉合成孔径雷达(InSAR)处理中的关键步骤,然而传统滤波方法难以兼顾噪声抑制和细节保持的效果,故提出了一种改进的非局部滤波器。滤波参数由Stein无偏风险估计(SURE)准则自适应地选择,在有效降低InSAR相位噪声的同时,保留干涉条纹细节和城市建筑的边缘。通过在仿真数据和TanDEM-X实测数据上分别进行实验,并与传统滤波方法对比分析,验证所提出方法的有效性。     

再入轨迹多约束模型预测静态凸规划方法

针对大升阻比可重复使用飞行器再入滑翔轨迹规划问题,提出了一种基于自适应分段Chebychev伪谱离散的多约束模型预测静态凸规划算法(P-CMPCP),实现了全量终端状态约束及多过程约束作用下再入轨迹的高精度迭代解算。考虑倾侧角翻转导致控制量不连续,传统规划方法难以同时严格满足终端位置、角度约束,且过程约束易超限,采用自适应分段伪谱离散策略,构建全程飞行状态及过程性能指标约束对各配点处控制调整量的敏感度关系,从而将非线性最优控制问题转化为静态凸规划问题,并利用内点法对各分段控制量进行了协调优化。本文所提方法无需对动力学模型进行简化或近似处理,即能以少量积分运算使轨迹满足再入全量模型约束,且控制量平滑,数值精度优于传统规划方法。     

未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。