组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

基于星敏感器的两种姿态确定算法比较分析

介绍了星敏感器的两种姿态确定算法：最小二乘算法和QUEST算法,推导了最小二乘算法和QUEST算法求解三轴姿态的公式;比较了两种算法在不同恒星数目下的计算精度以及在全天区范围内的计算精度;利用实例说明QUEST算法不仅在全天区范围内姿态计算精度高于最小二乘算法,而且在观测星数量较少,且观测星座呈现较为不利的构型时仍然具有较高的计算精度.     

基于SPARC V8结构处理器的计算机系统设计

首先介绍了国内外计算机SPARC体系结构的研究现状,指出SPARC体系结构已成为国际上流行的处理器结构之一,而且众多航天机构也采用了SPARC结构的处理器设计其航天器的计算机系统。随后,着重说明了SPARC V8的组成结构以及国内外基于SPARC V8结构设计实现的处理器。最后给出了基于国产SPARC V8结构处理器BM3802设计实现的最小系统组成结构。     

一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中,无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解,当减少一个观测站时,这些闭式算法往往无法提供可靠解。针对这一问题,提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间,建立了一组新的等式,并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值;第2步利用泰勒级数展开算法将中间变量线性化,对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外,计算机仿真表明仅使用4个观测站时,该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB;并且还表明使用5个观测站估计时,该算法比TSWLS及其改进算法能更好地适应大的测量噪声。     

石英挠性加速度计阻尼参数闭环检测方法

石英挠性加速度计作为一种高精度惯性测量传感器,被广泛用于航天器姿态控制及惯性导航中。在石英挠性加速度计设计时,摆组件在腔体内的阻尼系数是一项重要的参数。与摆组件的转动惯量及挠性梁刚度等参数不同,阻尼系数与摆片的表面积、摆组件工作间隙、大气压强等多种因素相关。为了获取石英挠性加速度计正常工作状态下阻尼特性参数,研究了一种基于系统闭环频率响应的阻尼系数测量方法。利用水平振动台获取石英挠性加速度计幅频特性曲线,采用最小二乘参数拟合的方法对石英挠性加速度计阻尼特性参数进行辨识。利用辨识得到的阻尼系数进行仿真,并绘制幅频特性曲线与实际采样输出比对,验证了基于系统频率响应的闭环测量方法有效可行。     

基于椭圆路径的光学镜面超精密研磨技术研究

利用基于椭圆成形方法建立的二次回转曲面加工误差模型,并用最小二乘方法建立了二次回转曲面铣磨误差辨识模型。考虑到各项误差对面形误差影响的相似性,分析了合并、分开辨识相似误差所引入的误差,以此得到处理相似误差的策略。     

基于最小时间的航线选择问题

针对空中航线选择优化问题,分析了空中交通流的特点。结合航班在航线上等待点空中盘旋的情况,考虑从求解空中飞行时间最短的角度,建立了航线网络中航班最小费用流问题的数学模型,给出了求解这种最小费用流的算法。通过航线网络的简单算例,求出了最佳航线以及相应航线流量,说明了模型和算法的具体应用。     

近距离星间相对姿轨耦合动力学建模与控制

针对在轨服务过程中近距离星间相对位置以及相对姿态精确控制的问题,考虑相对姿态与相对轨道之间的耦合作用,建立星间相对姿轨耦合动力学模型.提出编队星相对基准星进行接近绕飞的任务需求,给出相对姿态以及相对轨道的期望状态.设计相对姿态轨道联合控制算法对相对姿态和轨道进行联合控制.仿真结果表明,所设计的控制算法能够很好地抑制相对姿态与相对轨道的相互影响作用,最终实现编队星对基准星的精确指向绕飞运动.     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。