H2O2-PE固液火箭发动机低频不稳定燃烧研究

介绍了85％H2O2-PE固液火箭发动机的低频不稳定燃烧特征;应用发动机质量守恒方程对发动机低频耦合振荡燃烧现象进行了一维模拟,分析了氧化剂喷射压降对低频不稳定燃烧的影响。利用扰动分析确立了固液火箭发动机的稳定工作限。提出了抑制低频耦合振荡燃烧的方法。     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

“龙江2号”月球轨道微卫星定轨分析

微纳卫星深空探测任务中,通常所分配的测控资源有限,因此有必要对有限测控资源条件下微纳卫星的定轨精度进行分析。以微纳卫星深空探测为背景,采用"龙江2号"微卫星的轨道测量数据对其定轨精度进行了分析。"龙江2号"微卫星只有USB轨道测量数据,且环月段测控资源相对紧张,每天有两站跟踪,共约3～4 h的轨道测量数据。首先介绍了"龙江2号"微卫星飞行任务及其飞行过程中影响测定轨的因素;其次给出了定轨的动力学模型,对微卫星地月转移段的定轨精度进行了分析;最后通过分析摄动力、动量轮卸载以及数据弧段长度的影响,给出了微卫星环月阶段所使用的定轨策略,并通过重叠弧段比较的模式,给出了微卫星环月段的定轨精度。研究结论可以为后续微纳卫星深空探测任务提供有益参考。     

月面上升的轨迹优化与参数分析

面向月球采样返回任务分析需求,对月面上升段的轨迹优化及燃料消耗影响因素进行了研究。基于上升器运动模型,建立以燃料消耗最优为目标考虑入轨约束的轨迹优化模型,通过Gauss伪谱法和序列二次规划求解上升过程最优推力方向。改变运动模型中的初始推重比、入轨约束中的目标轨道参数,根据轨迹优化结果得到对应的燃料消耗,分析了这些因素对上升器燃料消耗的影响。针对上升器非共面起飞的问题,提出了上升偏航、升交点调整、倾角调整3种方案,从燃料消耗的角度分析了各方案的适用情况,为未来工程应用提供参考。     

加速退化试验测量不确定度评定方法

受测量分散性、仪器误差等因素影响，加速退化试验中存在测量不确定性问题。提出了加速退化试验测量不确定度的传播与评定方法，以提高试验评估结果的准确性和可信性。首先，介绍了加速退化试验中的测量不确定度来源，并结合维纳过程加速退化模型参数估计过程分析了测量不确定度的传播效应；其次，分别利用测量不确定度指南评定法（GUM）和蒙特卡洛法，量化评定了加速退化试验中性能观测数据测量不确定度对正常应力水平下产品可靠性评估结果的影响；最后，采用某型空间用高分子传感器案例对本文所提方法进行验证，并针对2种方法的估计结果进行了对比分析，验证了所提出方法的有效性。     

一种适应箭载电磁环境的无线电能传输系统屏蔽优化方法

对SS型拓扑结构的磁场耦合谐振式无线供电系统进行了建模与分析,利用交流阻抗分析法建模,着重分析自感、互感参数对系统传输功率和传输效率的影响;对应用在箭上的无线电能传输系统,考虑其电磁兼容性,分别使用铁磁性金属与非铁磁性金属对谐振器进行屏蔽,分析其对传输性能的影响;针对特定条件下的参数,提出了基于互感耦合参数的性能优化指标,为达到此指标设计相应的电磁屏蔽方案;并分析屏蔽优化后的其他指标,进行实物实验验证。     

三轴光纤陀螺动态性能测试软件平台设计

本文利用LabVIEW软件所设计的三轴光纤陀螺的动态性能测试软件平台可以完成对转台的姿态控制,实现对转台速度角度的设置;同时完成对运动模拟转台及三轴光纤陀螺的参数采集、存储、处理。通过相关数据处理,实现对相关测试数据及评估结果的直观显示。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数