月基装备行走运动学分析与连续步态规划

针对缓冲行走功能一体的月面探测器构型设计困难、步态分析复杂等问题,提出了一种基于相同支链构型的四足月基装备(LBE)设计分析方法与连续步态规划方案。设计复合功能着陆腿机构及整机多状态位姿;构建LBE在行走状态下的单腿运动学模型,对其进行正逆运动学求解,分析单腿与整机工作空间和运动性能;对LBE整机进行水平月面的连续步态规划,并设计单步足端轨迹,通过动力学仿真,验证LBE行走步态稳定性。仿真结果表明：LBE沿前进方向连续稳定运行,质心竖直方向浮动仅占整器高度的0.24%,俯仰角最大摆动幅度为0.34°,翻滚角最大摆动幅度为0.27°。     

一种基于地形方向通行性的改进Theta*算法

提出了一种基于Basic Theta*改进的任意航向路径规划算法,利用星球巡视器在俯仰和滚转方向上抗倾覆能力的差异,对不同航向上的地形可通行性进行了分析,分别区别出障碍以及方向性障碍,并在此基础上将Basic Theta*扩展节点时的可视性检查改进为可通过性检查,从而筛选出能够通过方向性障碍的路径.仿真实验表明,该算法克服了Basic Theta*算法的局限性,能够更加充分地利用巡视器特性,在复杂地形上找到传统方法无法通行的最短路径,扩展了巡视器的行驶范围和工作能力,对于巡视器穿越崎岖地形及撞击坑底探测等星球表面特殊任务具有实用价值.      

遥测伪周期时间序列子序列异常检测算法

针对现有异常检测算法用于伪周期时间序列异常序列检测时易造成误差累积,导致序列周期与特征值上显著差异的不足,文章以卫星遥测伪周期时序数据为对象,综合两种常规分段方法的优势,提出了最大周期窗宽内基于极值的模式子序列分段算法。在此基础上,给出了一种基于均序列动态生成模型的子序列异常检测方法（AnomalySubsequenceDetectionmethodbasedonOptimizedSequenceModel,ASD_OSM）,并采用2次四分位距准则（DoubleQuantilerangescriterion,2Q准则）设置距离检测门限阈值,将超出阈值的序列判定为异常序列。某航天器传感器遥测子序列异常检测试验结果表明,提出的检测方法能够有效减少漏判,提高卫星遥测伪周期数据异常序列检测的准确性。     

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

反导多传感器协同任务规划综述

针对反导作战多传感器协同任务规划的相关问题,结合反导作战的特点,探讨反导作战信息处理过程与多传感器协同任务规划的关系,并分析多传感器协同任务规划的内涵;在此基础上,梳理出多传感器协同任务规划涉及的关键技术,并综述多源信息综合处理、多传感器协同部署、协同跟踪、协同引导和协同识别等关键技术的研究现状;最后就多传感器协同任务规划的发展提出一些建议。     

动态测量数据的高保真容错Q-滤波算法

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。 采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。     

非凸二次约束下航天器姿态机动路径迭代规划方法

针对复杂约束下航天器姿态机动路径规划问题,首先描述和分析了航天器姿态机动过程中面临的动力学和运动学约束、有界约束、姿态指向约束,把姿态指向约束利用非凸二次型进行表述;其次从能量最优角度出发,将该约束机动问题归纳为非凸二次约束二次规划问题;然后引入线性松弛技术,将该问题转化成双线性规划问题,求出其中一个变量的凸包络和凹包络,降低求解复杂度,从而求出原问题的一个线性松弛。同时为了提高求解精度,提出一种基于评价函数的迭代规划算法,利用线性松弛求出的解作为初值,通过评价函数进行迭代规划,最终求出原问题的最优解。仿真结果表明该方法不仅可以满足复杂的姿态约束,得到全局姿态优化路径,而且能够降低能量消耗。     

基于多智能体强化学习的空间机械臂轨迹规划

针对某型六自由度（DOF）空间漂浮机械臂对运动目标捕捉场景,开展了基于深度强化学习的在线轨迹规划方法研究。首先给出了机械臂DH （Denavit-Hartenberg）模型,考虑组合体力学耦合特性建立了多刚体运动学和动力学模型。然后提出了一种改进深度确定性策略梯度算法,以各关节为决策智能体建立了多智能体自学习系统。而后建立了"线下集中学习,线上分布执行"的空间机械臂对匀速直线运动目标捕捉训练系统,构建以目标相对距离和总操作时间为参数的奖励函数。最后通过数学仿真验证,实现了机械臂对各向匀速运动目标的快速捕捉,平均完成耗时5.4 s。与传统基于随机采样的规划算法对比,本文提出的自主决策运动规划方法求解速度和鲁棒性更优。