空间点目标神经形态学探测方法

随着在轨航天器面临越来越多的威胁,如何识别并评估这些威胁对航天器正常运行的影响已成为一个迫切需要解决的问题。目前,空间目标的探测和跟踪主要依赖于传统的基于帧的视觉传感器,但这类传感器在实时性和数据量等方面存在不足。与此同时,基于神经形态学的视觉传感器已在运动目标检测和跟踪领域获得广泛应用。由于其获取的事件流数据仅包含视场中变化部分的信息,且具有微秒级的时间分辨率,这使得目标检测和跟踪的速度能够达到微秒级,同时大幅降低了需要处理的数据量。正因为神经形态学视觉传感器的这些优势,它在空间应用领域已成为当前的研究焦点。基于此,提出了一种基于三层脉冲神经网络的空间点目标检测方法——空间点目标神经形态学探测方法,仅使用事件流数据实现对空间点目标的探测和跟踪。主要包括局部运动感知层/全局运动感知层以及输出层,采用分数阶漏积分点火神经元作为基础处理单元,并利用其自适应性抑制事件流数据中的热噪声。通过实际采集的空间点目标事件流数据和公开数据集中的事件流数据进行了验证。在实际采集的空间点目标事件流数据上,去噪滤波部分的事件去噪精度和事件信噪比分别能够达到0.414和-3.036,跟踪部分的总跟踪时长、总跟踪错误次数以及平均跟踪偏差分别达到了9.395 s、100以及0.379 7。试验结果表明,空间点目标神经形态学探测方法能够从复杂的事件流数据中检测出快速运动的单个或者多个空间目标,并且能够对检测出的空间点目标进行持续的跟踪。     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真,研究表明：针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。     

基于纯比例导引的拦截碰撞角约束制导策略

拦截碰撞角约束制导是当前导弹制导研究的关键问题之一。首先基于理想比例导引（IPN）律拦截非机动目标的解析解,推导了纯比例导引律（PPN）拦截固定目标的解析解,得到了弹目相对距离、制导指令加速度和导弹前置角的显示表达式,并进一步得到了拦截碰撞角与弹目相对运动状态和比例导引系数之间的解析表达式。其次,基于该解析表达式,提出了基于PPN的拦截碰撞角约束制导策略（PPNIACG）,并探讨了在铅垂面内进行落角约束打击和水平面内进行拦截碰撞角约束打击的2种实现方式。最后,以弹道成型制导律（TSG）和最优碰撞角约束制导律（OIACG）为参考,通过数值仿真算例,对PPNIAC的拦截性能进行了对比分析,验证了所提出制导策略的有效性和正确性。     

基于协同滤波轨迹预测的机动目标RTPN拦截制导律

针对当前空中威胁目标拦截的实际需求,结合拦截器本身的机动能力,基于全覆盖协同策略,提出一种协同探测的现实真比例导引律（RTPN）制导拦截方法。所提方法解决了传统RTPN方法未考虑拦截器饱和过载限制及对任意机动目标捕获区域的确定问题。此外,针对拦截过程中对目标运动轨迹测量误差及协同探测数据丢包所引起的数据融合精度和鲁棒性问题,提出一种分布式协同滤波算法;针对数据传输和拦截器本身动力学响应延迟等问题,提出一种航迹预测算法。仿真结果验证所提方法能够有效解决饱和过载下的捕获区域确定及动力学延迟问题,及协同探测数据融合中数据丢包所引起的鲁棒性和精度问题。     

基于Kriging模型的旋翼翼型优化设计研究

以基于进化算法的多目标优化方法为基础,结合多目标优化设计Pareto解的思想和约束处理机制,采用Kriging代理模型和基于B样条的翼型表示方法,建立了旋翼翼型的优化设计系统。代理模型采用均匀设计进行模型采样,在优化过程中根据EI(expected improvement)准则动态增加采样点来调整代理模型的精度。采用B样条方法进行翼型参数化,保证了翼型的光顺性。在翼型的气动性能分析中引入转捩模型提高阻力计算的精度。利用该系统对旋翼翼型进行了优化设计,经风洞试验验证,满足设计要求。     

雷达目标回波模拟技术发展现状与展望

雷达目标回波模拟技术因其在雷达和电子对抗2个方面广泛的应用潜力而受到重视.主要分析了雷达目标回波模拟技术的体制分类及其技术特点,简要介绍了国内外雷达目标模拟设备的发展现状,并对其所涉及的关键技术进行了剖析,最后对该技术未来发展的趋势提出了设想.     

基于响应面法的机翼气动/结构一体化优化设计研究

基于响应面法进行了机翼气动/结构一体化优化设计研究,流动控制方程为三维欧拉方程,采用有限体积法进行数值求解,应力和结构变形采用有限元方法计算,静气动弹性分析采用强耦合迭代方式,响应面模型采用二次多项式来构造.以跨音速M6机翼为初始机翼,进行了多目标、多约束情形下的气动/结构综合优化设计,优化后所得到的新机翼具有更佳的气动/结构综合性能,升阻比增加了9.25%,而重量减轻了4.84%;响应面模型精度满足设计要求,拟合误差均不超过1%;这说明本文所发展气动/结构综合优化设计方法是成功且有效的,具有广泛的应用前     

基于深度强化学习算法的空间漂浮基机械臂抓捕控制策略

针对空间漂浮基座机械臂抓捕非合作目标控制所基于的多体系统动力学模型难以精确建立的问题,基于深度强化学习算法的控制策略,提出一种深度确定性规则策略.通过将机械臂关节控制力矩、抓捕距离以及相对速度等参数定义为高维空间向量,并设置对应的奖励函数,驱动目标参数逼近满足抓捕条件的数值范围,在不依赖运动学模型和动力学模型的情况下,...     

自由漂浮空间机器人捕获翻滚目标的力-位-型融合控制方法

翻滚目标捕获过程中,空间机器人的运动会对基座产生扰动、接触过程的冲击碰撞容易产生安全风险。因此,为了在捕获翻滚目标的同时抑制空间机械臂对基座的扰动和对目标的碰撞冲击,提出一种自由漂浮空间机器人力-位-型融合控制方法。首先将自由漂浮空间机器人的非完整冗余性、运动冗余性表征为型空间,构建由末端位姿、型状态组合的广义状态空间并建立系统的运动学和动力学模型;通过优化基座与机械臂的位-型及零空间运动,减小机械臂抓捕运动在基座产生的扰动;通过优化基座、机械臂与翻滚目标的相对位-型,减小碰撞冲击力在基座产生的姿态扰动。给定最优位-型及末端操作力,基于阻抗控制原理及零空间投影策略,实现多优先级力-位-型融合控制。最后,开展了空间机器人捕获翻滚目标的典型任务仿真,结果表明通过力-位-型融合优化与控制方法可以有效减小空间机器人捕获过程产生的基座扰动。