人工智能在卫星任务规划中的应用

智能规划与调度是实现卫星自主规划其飞行任务的关键。将人工智能方法应用于卫星的任务规划,以执行对地观测任务为例,将任务规划问题归于组合优化问题,建立了相应的数学模型,并应用Hopfield神经网络算法进行求解,结果表明,该方法可用于单个仪器的任务规划。     

一种利用地球敏感器的星光导航方法

针对直接敏感地平的红外地平仪-星光导航系统精度低的问题,提出通过建立扁率误差补偿函数,研究扁率引起的姿态角测量误差;建立地心矢量的姿态角误差模型,通过修正地球扁率误差来补偿姿态角,对卫星施加姿态偏转指令调整地心矢量偏移。同时基于SODERN地球红外辐射模型,考虑红外辐射强度随纬度和季节的变化建立真实红外辐射曲线,通过滤波算法获得精确的地球切线边缘的量测信息,提高红外地平仪测量精度。仿真结果表明,该方法有效提高了基于红外地平仪的星光导航定位方法的可靠性和精度,导航位置误差能达到500m左右,较原有系统提高3倍以上。     

第三世界国家导弹和航天活动发展状况

阿根廷:从六十年代起就开始航天计划,据报导,在七十年代后期,与西德合作制造了(CASTOR)探空火箭,与美国宇航局合作制造了“奥利安Ⅱ”火箭,在上年巴黎航空博览会上,展出了目的正在研究的“神鹰”C_1—A_3火箭的论证模型,其有效载荷为400公斤,高度可达70公里,大约400公里的射程。     

微小卫星轨道保持的混合切换控制方法

固体微推力器阵列作为一种新型推力装置用于微小卫星轨道保持具有精度高、无燃料泄漏、冲量可调等优点,但是微推力器推力不连续的特点,使得控制系统设计时与以往的连续系统有所不同。为了充分发挥微推力器高精度的特性,采用基于混合系统的切换控制思想,建立了微推力器混合切换系统控制模型。首先,根据固体微推力器的推力特点推导了卫星离散动力学模型;其次,以李雅普诺夫稳定性定律为基础,设计了混合系统脉冲切换控制律;最后,针对小卫星轨道控制进行了仿真验证。结果表明,基于混合系统建立的控制模型能准确反映微推力器的特点,轨道保持精度能达到0.2m,而且推力器消耗量满足卫星长时间在轨运行要求。     

皮纳卫星编队保持动力学分析

针对皮纳卫星在编队飞行中的控制精度要求已提高到微米甚至纳米级,文章研究了小推力作用下高精度的皮纳卫星编队构型保持问题,在考虑摄动影响下,推导维持编队构型需要的控制力与编队距离、编队空间方位等参数之间的关系,为皮纳卫星编队构型的设计提供理论指导;同时基于bang-bang控制理论,使用有限状态机设计了一种高精度的编队控制律。仿真表明,提出的控制方法不但可以使系统快速收敛,同时还能使皮纳卫星编队的星间控制精度达到1 μm,与滑模控制律相比较,精度提高近10³倍。     

14 nm pFinFET器件抗单粒子辐射的加固方法

为探究先进互补金属氧化物半导体（CMOS）工艺在空间应用中的可靠性问题，研究14 nm工艺下P型沟道鳍式场效应晶体管(pFinFET)器件中的抗单粒子瞬态(SET)加固策略。通过在器件中插入平行于鳍方向的重掺杂N型沟槽(Ntie)和P型沟槽(Ptie)来减缓SET的影响。三维TCAD仿真结果表明：加固之后器件的抗SET特性和沟槽本身的偏置条件相关。当重掺杂沟槽处于零偏状态时，抗辐射加固的性能最好，SET脉冲宽度降低程度可达40%左右；然而，当处于反偏状态时，由于特殊的电荷收集过程的存在，使得SET脉冲幅度反而会明显增大，脉冲宽度减小程度并不明显。此外，还研究沟槽面积、间距及掺杂浓度对pFinFET中的SET脉冲宽度的影响，得到提高抗SET效果的加固方法。     

起飞速度小于Vmca时发动机失效的飞行学员核心胜任力研究

将胜任力引入飞行员能力评估，实施面向飞行员核心胜任力的训练改革是民航新兴的改革方向。本文针对起飞速度小于最小操纵速度（Vmca）时发动机失效这一特情训练科目，从ICAO核心胜任力及可观察行为框架中遴选出对此科目处置影响较大的指标要素，构建评估指标体系，探索胜任力提升对策，以完成面向飞行员核心胜任力的训练方式改革。     

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题，设计了一种改进的贝叶斯网络故障诊断方法，可以通过网络化自主逻辑推理，对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征，提出将步进法与核主成分分析(KPCA)相结合的分析方法，并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络，实现对观测信号尺度的模糊处理，提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明，改进的算法能够实现对固液火箭发动机常见故障的有效诊断，并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比，故障诊断的平均准确率提高了20.9%。     

一种基于模型预测的火星返回推力器容错控制再分配方法

针对火星返回上升器由于环境等因素造成的推力器故障导致的姿态控制系统失稳而难以安全返回的严重问题，提出基于模型预测的动态容错控制再分配方法。根据推力器动态特性建立上升器推力分配模型，对模型参数误差进行实时估计从而修正分配模型，根据模型预测自适应推力再分配方法实施容错控制。同时，将推力器输出限制作为优化求解器的约束，并将推力器故障模型作为优化求解的约束域，实现最小化分配误差和最小化燃料消耗意义下的最优推力再分配。计算机仿真表明了该方法的可行性和实用性，获得了满意的结果，它能使推力器输出推力误差降低60%以上，姿态控制系统能在故障状态下3～5 s快速镇定。     

基于DRL的巨型星座星地测控链路规划算法

针对巨型星座的星地测控链路规划问题，提出了一种基于深度强化学习的智能规划调度算法。该方法考虑了卫星对于测控站的资源竞争关系和连接关系，设计了环境状态，决策智能体通过感知卫星状态，结合动作选择策略，生成卫星对于测控站的分配方案，并根据反馈的奖励值进行策略的迭代优化。将本算法应用于巨型星座系统的星地测控链路规划任务，仿真结果表明所提出的智能算法可以将测控站天线利用率提升到98%以上，同时有效地降低了天线的切换次数。另外，训练好的模型可以根据未来时刻的星地可视窗口，在30s内快速生成星地测控链路规划方案。