空间舱外机动装置发展综述

介绍了国外几种主要空间舱外机动装置的特点和性能，比较分析了系绳、机械、喷气机动等舱外机动装置的特点。认为小型的喷气机动装置（SAFER）最适合作为我国今后航天员空间活动的机动与救生工具。     

卫星490N发动机安装位置优化研究

针对490N发动机推力在卫星变轨过程中不能始终通过卫星质心,由此形成额外力矩对卫星姿态控制造成干扰的问题,文章提出了一种根据发动机推力偏斜和卫星质心位置变化情况,优化发动机安装位置的方法。此方法通过平移和旋转两种方式调整发动机的安装位置,改变推力作用点和方向,使其指向卫星质心变化范围的中心,以缩小推力相对卫星质心的偏心距,从而达到减小干扰力矩的目的。以某卫星490N发动机安装的工程实施为例,对比优化安装位置前后推力形成的干扰力矩的变化情况。结果表明:优化方法对减小干扰力矩能起到显著作用,可为工程中确定卫星变轨发动机安装位置及实施安装提供参考。     

基于5M1E的航天器AIT过程共性质量问题管理

文章利用“5M1E”过程管理方法,采取“由下至上”与“由上至下”相结合的识别模式对航天器产品AIT过程共性质量问题进行分析,建立统筹解决、分级治理以及成果固化的工作机制对共性质量问题进行治理。利用这些综合方法对过冷器水堵问题开展了系统治理,取得了很好的效果,证明了5MIE方法对于加强共性质量问题管理的有效性。     

雅安地震房屋倒损情况遥感影像解译

遥感作为快速、大范围获取灾害信息的一种重要手段,在重特大自然灾害监测评估中,发挥着巨大作用,尤其是在地震中,被用于监测灾害范围和房屋、生命线、基础设施、土地资源等实物量的受灾情况,以及滑坡、泥石流等次生灾害发生、发展情况。在2013年四川雅安"4·20"强烈地震中,利用震后获取的高分辨率遥感影像,在高分辨率遥感本底库支持下,分析当地房屋建筑倒损状况,从房屋轮廓、废墟或瓦砾和房屋屋顶呈现的几何和辐射形态特征等方面,建立震害房屋受灾解译标志,准确描述受损房屋特征,与输入的高分辨率震害房屋样本库进行对照,通过专家的研判与辨别,可有效指导房屋受灾遥感解译过程。     

小卫星全被动热设计及其验证技术

结合实例对全被动热控设计的小卫星热控特点进行分析。热相对稳定及整星良好的等温化是实现全被动热控设计的有利条件。对于全被动热控设计的小卫星,尤其应关注设计细节,如外露表面、工艺差异等影响。对重要参数或者变化的不确定参数进行敏感性分析有助于把握设计的适应性。针对具有复杂构型的航天器,提出了试验外热流量化分析方法,解决了地面热试验时外热流模拟困难的问题,可避免地面试验外热流设计的盲目性。     

一种新的无人机运动目标测速技术

为了满足无人机对运动目标的测速需求,提出一种基于机载光电侦察平台的目标测速算法。建立包括飞机速度、飞机姿态角速率、摄像机指向角速率等15个变量的测速数学模型,并分析测速误差的形成,推导了误差计算公式。仿真结果表明,在无人机目标测速过程中,角速率测量误差对目标测速精度影响较大,尤其是飞机的俯仰角速率误差、横滚角速率误差、摄像机的高低角速率误差对测速精度的影响更为明显,这为提高目标测速精度指明了方向。     

基于EKF的主动雷达寻的制导状态估计与最优控制研究

针对主动雷达寻的制导问题,进行了非线性系统状态估计和最优制导律的研究,并进行了目标机动情况下的仿真验证。利用主动雷达给出的带有噪声的观测信息,设计了寻的制导系统扩展卡尔曼滤波器,估计弹目相对运动状态信息。基于最优控制理论,按照需用过载和脱靶量最小设计了线性二次型最优制导律。仿真结果表明,所设计的主动雷达寻的制导系统滤波器和最优制导律能有效对付机动目标,满足飞行器控制要求。     

基于独立象元数计算的景象匹配精度分析方法

景象匹配精度与正确匹配概率是决定组合导航系统精度的重要指标。建立了新的求解图像独立象元数的方法,在进行景像匹配过程的同时由独立象元数、信噪比和相关函数统计值得到匹配精度及正确匹配概率。理论推导和仿真分析表明,本文的景象匹配精度分析方法合理,结果符合工程背景,文中的结论可以用于景象匹配辅助导航系统性能的精确分析。     

含椭圆分层复合材料层板三维问题的三角级数能量解法

根据叠加原理将含有椭圆形内部分层的层板在横向载荷作用下的受力状态进行分解 ,从而将分层问题归结为在分层表面上的附加剪切载荷作用下层板附加位移与附加应力的分析 ,并据此建立了一个仅包含分层区的力学模型。然后利用双三角级数构造满足层板分层区位移边界条件的位移模态。最后 ,应用最小势能原理确定位移解。计算结果收敛 ,挠度收敛尤为迅速。     

爆炸波与物体干扰流场的数值模拟

本文构造一类新型的计算效率较高的ＥＮＯ差分格式。利用该格式非定常Ｅｕｌｅｒ方程出发,对爆炸波扫过物体时形成的二维和三维干扰流场进行了数值模拟,计算结果与实验数据符合较好。