基于相对轨道根数的航天器编队控制三冲量方法

在采用相对轨道根数描述航天器编队构形的基础上,把航天器平面内编队控制问题转化为航天器交会问题,根据编队构形的几何参数得到解决问题的三冲量控制方法,该方法具有燃料消耗少且只需沿航迹向安装推力器,便于工程应用的优点.最后对推力器的推力大小偏差、方向偏差对编队构形的尺寸以及相位控制精度的影响进行了理论分析.     

扩展卡尔曼粒子滤波在编队卫星相对轨道确定中的应用

考虑两星编队飞行情况,建立了惯性坐标系内卫星绝对运动方程,以激光和无线电测量获得相对观测量,利用扩展卡尔曼粒子滤波实现相对轨道高精度确定。结合实例进行了分析和仿真,结果表明EPF算法能够有效提高相对位置确定精度,并给出相对速度的高精度估计。     

火星载人探测中辐射防护综述

火星探测是人类太空探索的重要组成部分,火星载人探测中航天员的辐射安全问题是人们最为关心的问题。文章扼要介绍了美国/俄罗斯火星载人探测技术的发展过程,重点阐述了探测中的辐射环境、辐射效应以及国外探测结果;在此基础上,对火星探测中的辐射剂量进行了预示,提出了辐射防护建议。     

高空飞艇高度保持控制器设计

高空飞艇高度保持控制问题隶属于飞艇在纵对称面内的运动控制问题.根据飞艇的纵向运动方程,首先分析说明了高度保持控制的原理,然后提出2种高度保持控制器的设计方案:一种是基于李雅普诺夫稳定性理论的非线性高度保持控制器方案;另一种是双PID控制器方案,并且利用Simulink工具对此2种设计方案进行了仿真,同时简要的对这2种方案进行比较.     

左边带本振SNYFR接收的LFM信号参数估计算法

同步Nyquist折叠接收机（SNYFR）利用双片模数转换器同时完成多Nyquist区域内的宽频段信号采集,为一种新型侦察接收机结构,在SNYFR结构上提出了线性调频（LFM）信号的参数估计算法。首先从频谱关于采样率对称的本振信号出发,指出其Nyquist区域在某些条件下不存在;其次提出了Nyquist区域存在的左边带本振SNYFR;以正弦调频本振信号调制频率为频率抽取因子进行序列构造,并以此序列估计Nyquist区域;最后在区域估计的基础上,得到欠采样的LFM信号,并完成参数估计。仿真表明,LFM参数估计精度在信噪比优于10dB时均已接近克拉美-罗下限。     

一种具有高保真度光谱的遥感图像快速融合法

针对全色和多光谱遥感图像的融合,本文提出了一种基于快速IHS融合技术的小波融合新方法。为提高融合结果图像的光谱保真度,采用了基于改进主成分分析的低频小波系数智能自适应算法融合策略,其主观视觉分析和客观评价结果显示,与传统加权平均、以及平均与选择相结合的低频融合规则相比,本算法在保证能够大幅度提高融合图像清晰度的同时,较大程度地降低了它的光谱畸变度;另外,由于将快速IHS融合技术引入了基于小波分解的融合方法中,大大降低了程序的运行时间,因此本算法在实时性方面也得到了显著提高。将其应用到更大尺寸的巨幅遥感图像的融合中,它的实时性效果更显著。     

多级嵌套维纳滤波自适应降维STAP抗干扰方法研究

在分析多级嵌套维纳滤波（MSNWF）给出的干扰子空间和噪声子空间信息的基础上,提出了多级嵌套维纳滤波自适应降维空时自适应处理（STAP）抗干扰算法。该方法分析了MSNWF前向迭代过程中相邻级期望信号的协方差随迭代次数变化关系,结合干扰子空间和噪声子空间信息自适应地确定迭代次数,在不增加额外计算量的条件下实现了降维维数的自适应选择。仿真结果分析表明,该方法在保证抗干扰性能不受影响的前提下,进一步减小了STAP算法的计算量,提高了算法的实时性。
     

基于增益调度与光滑切换的倾转旋翼机最优控制

针对倾转旋翼机转换机动中变动力学特性导致的复杂控制问题,提出基于增益调度（GS）的线性二次最优控制与光滑切换控制结合的综合体系结构,用以实现转换机动过程中的全局最优控制。该控制综合方法,在保证性能指标要求最小的同时,对操纵机构的负荷较低。首先,建立了倾转旋翼机高置信度飞行动力学模型,并应用混合操纵克服操纵冗余问题。其次,设计了基于增益调度的线性二次最优多环控制器,并采用光滑切换控制策略综合2套控制器,实现动态倾转过程的姿态平滑过渡。最后,进行以倾转走廊中间路径为期望轨迹的全模式自主飞行仿真。仿真结果表明:控制系统在转换机动过程中体现出强鲁棒性和较优的系统性能。      

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。      

PW-1模料的性能研究

研究了有机高分子聚合物PX为添加剂的PW-1模料,在不同的压注温度下的性能:如抗弯强度、线收缩率、热稳定性,也测定了其熔点和灰分作为参考。