航天器扫描镜成像位置误差补偿技术

研究地球静止轨道航天器两自由度扫描镜成像位置误差补偿问题,即通过对扫描角的补偿,使光轴在地球表面的成像点位置与标称位置相同,消除探测区域的位置偏差.在考虑扫描镜法线偏移、姿态偏差以及轨道误差条件下,推导了光轴成像点的地心经纬度计算公式.给出了上述3类误差的具体描述方式,并分析了各种误差对光轴成像点位置的影响关系.基于角度误差的小量假设条件,给出了扫描镜的步进角/扫描角补偿量的显式算法.针对法线偏移信息一般难以准确测量的问题,提出了一种利用扫描镜在特定工作模式下的光轴惯性空间定向能力和法线偏移的长周期特性对其进行估计的方法.仿真结果表明,所提出的补偿方案和算法能够显著提高成像点位置精度.     

探空火箭图像压缩算法研究

结合探空火箭图像系统需求, 提出了一种基于小波变换编码, 即基于MSPIHT的自适应差分算术编码(MSPIHT Adaptive Differential Arithmetic Coding for image, MADAC)的图像压缩算法. 该算法对经过量化编码之后的数据 进行熵编码. 实验结果表明, MADAC算法具备探空火箭图像系统所要求的分辨 率、帧速率及压缩率可调的功能, 且易于硬件实现.      

火星着陆自主导航方案研究进展

火星着陆导航技术是火星着陆过程的核心技术之一。围绕火星着陆环境特点与导航技术遇到的挑战,分析了目前火星着陆过程的导航能力和自主导航的发展趋势,并针对火星着陆过程的特殊性和导航需求,概述了火星着陆过程各阶段自主导航方案的研究现状与进展。进而从导航方案设计与配置、导航模型建立与仿真、导航方案性能分析等方面,对自主导航方案的最新研究进展进行了分析,并在火星着陆全过程自主导航方案综合仿真的基础上,获得了满足火星定点着陆要求的各阶段交接点应满足的导航精度。最后,基于目前技术现状和发展趋势,提出了构建"递进式三阶段"火星着陆自主导航方案的设想,可为未来火星着陆自主导航方案的设计与论证提供参考。     

Risk Theta*:一种基于地形危险度的任意航向路径规划算法

提出了一种基于地形危险度的任意航向路径规划算法——Risk Theta*。首先以星球表面地形特征统计分析为基础提出了地形危险度指标,并建立地形危险度地图。在此基础上应用Basic Theta*搜索,以危险度最低为方向搜索最优路径。仿真实验证明,该算法能够在栅格地图上找到比A*和Basic Theta*算法危险度低得多、长度相当的任意航向路径,既显著提高了巡视器的安全性,又满足了星球巡视探测对任意航向行驶的迫切需求,因此具有较强的实用性。     

锂离子电池极片涂层厚度在线测量系统

锂离子电池极片涂层厚度的实时高精度测量是实现对锂电涂层厚度控制的前提。针对在生产过程中的锂离子电池极片涂层厚度动态、非接触、高精度的测量要求,设计了一种基于非接触式电容传感器进行微位移测量的在线式测量系统。介绍了传感器结构及测量电路基本原理,搭建了适用于锂离子电池极片涂层厚度测量的硬件系统,开发了可用于数据采集、线性校正、数据记录的基于虚拟仪器技术的测试系统。经测试,该传感器的分辨力为0.1μm,现场长期运行证明该系统满足生产的测量要求。     

飞机发动机叶片缺陷的差激励涡流传感器检测

针对某型号飞机发动机涡轮叶片上预制的微裂纹缺陷进行了检测研究.基于涡流检测技术设计并研制了一种尺寸小、灵敏度高的差激励探头,应用有限元分析软件开展了叶片微裂纹缺陷仿真分析.为了实现叶片的自动高效检测,设计并采用数控多自由度扫查台来控制采集过程,实现了对叶片表面裂纹缺陷的快速扫查检测.采集信号经过信号调理电路,A/D转换后输入计算机,完成信号的保存、处理和输出.通过对比实验结果与仿真结果发现,研制的差激励式涡流传感器可以有效地实现对叶片类零件表面微裂纹位置的判定,对涡轮叶片类零件微缺陷早期诊断评估具有一定的现实和借鉴意义.      

航天员受银河宇宙线辐射的剂量计算

在近地空间(LEO)和深空探测中,航天员遭受的辐射风险主要来自于银河宇宙线(GCR)照射.银河宇宙线的辐射剂量是航天员辐射风险评价的基础.国际放射防护委员会(ICRP)于2013年提出了新的航天员空间辐射剂量估算方法,以更准确给出空间重离子辐射的剂量.基于此方法,开发了宇宙线粒子在物质中输运的蒙特卡罗程序,并在程序中实现用中国成年男性人体数字模型来仿真航天员.采用该程序计算了粒子(Z=1~92)各向同性照射航天员时器官的通量-器官剂量转换因数,并估算出航天员在近地轨道空间受银河宇宙线辐射的剂量.     

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.