用于微光探测器的天文杜瓦

综述了天文用ＣＣＤ激光探测器对天文杜瓦的要求，介绍了研制的ＴＷＤ型杜瓦的特点和试验情况。试验结果表明，在无探测腔时，Ⅱ型和Ⅲ型杜瓦容器的技术指标分别达到：有效容积２．５Ｌ和１．２５Ｌ；质量２．０５ｋｇ和３．０２ｋｇ；液氮保存期１１０ｈ和１１６ｈ．真空寿命达２年以上．接探测腔后，Ⅱ型杜瓦液氮保存期为４０ｈ；ＣＣＤ冷盘温度可达到－１００～－１２０℃．     

电荷耦合器件在高速短序列数据采集系统中的应用

在数据采集和处理系统中,高速A/D转换器是一个很重要的部件。本文提出一种新的采用电荷耦合器件组成的高速短序列A/D转换电路。实验表明,这种电路相当于两个采样率为5MHz的8位A/D转换器。它的电路简单,成本低廉。进一步提高转换速度和准确度是有潜力的。     

卫星结构振动响应灵敏度分析

文章针对某卫星存在的局部响应偏大的问题,对通过修改结构参数降低卫星的结构振动响应进行了研究。通过计算卫星响应相对卫星结构参数的灵敏度,得到了卫星结构参数对响应的影响大小,为修改结构来降低响应提供了依据。根据灵敏度分析的结果,选择一定的设计参数进行修改和响应计算,结果表明目标位置的响应得到了改善。     

一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器,该协调器控制各层权值的修正,大大提高了网络的学习速率.通过对具体网络的仿真,证明了该算法的可行性.     

宇宙尘埃轨迹探测器信号提取方法及反演精度影响因素分析

利用基于多层金属丝栅网的尘埃轨迹探测器（DTS）可获得宇宙尘埃粒子的速度及电荷信息,对确定粒子起源、揭示带电尘埃粒子与行星际空间环境的相互作用具有重要意义。文章针对利用DTS探测信号提取尘埃粒子速度和电荷信息的方法进行研究,并仿真分析反演精度的影响因素。结果表明,尘埃粒子电荷量和速度大小的探测误差随尘埃粒子速度的增大而增大,随探测器电荷噪声比（QNR）的增大而减小,不受尘埃粒子入射角θy和尘埃带电量的影响;当QNR大于10时,对尘埃粒子的电荷量、速度和运动方向的反演精度分别优于1.5%、0.8%和0.6°。以上结果可为DTS设计及其后续空间应用提供参考。     

不确定性下的低轨卫星激光星间链路误差模型修正方法

在工程应用中,激光链路构建过程不可避免地会受到各种不确定性的影响,导致激光建链在扫描过程中对指向区域估计不准,降低星间激光建链的准确性.因此,应多方面考虑不确定因素来修正低轨激光星间链路的动力学指向误差模型,为后期的扫描捕获提供基础.提出一种考虑不确定性因素的低轨卫星激光星间链路动力学指向误差模型修正方法,激光星间链路系统以及不确定参数进行描述,建立系统动力学模型;对不确定参数进行了灵敏度分析,并基于灵敏度指标,使用Kriging方法建立了原有系统动力学的代理模型,并验证模型预测精度;确定不确定性量化指标,使用贝叶斯随机模型修正技术对系统动力学模型不确定参数进行修正;通过数值仿真验证了不确定性下的星间链路指向误差动力学模型修正方法的有效性和可行性.     

卫星TDICCD相机非沿轨成像仿真方法

传统的TDICCD相机沿轨成像模式只需要调整偏流角和卫星飞行速度决定的积分时间,而TDICCD相机非沿轨成像则需要更加复杂的姿态和积分时间控制。对TDICCD相机非沿轨成像进行仿真,有助于了解其工作原理,并有针对性地研发数据处理方案。文章实现了卫星TDICCD相机对非沿星下点轨迹方向条带目标成像的两种仿真方法。一是"南北方向"成像仿真方法,另一种是"摆扫"成像仿真方法。推导了这两种成像在星下点成像和偏离星下点成像两种条件下TDI积分时间和姿态运动的计算方法。通过多级积分条件下的靶标成像效果和成像范围验证了所述方法的正确性和通用性。     

星敏感器专用图像采集板的研制

研制星敏感器专用图像采集板是提高星敏感器精度的重要手段之一。文章介绍了星敏感器专用图像采集板的结构和基本原理。针对ＰｈｉｌｉＰＳ公司的ＣＣＤ芯片,探讨了有关与ＣＣＤ像元－一对应的图像采集方法及独具特色的电路设计。     

基于DUEA的天线伺服控制系统仿真

大口径射电望远镜天线易受到外部阵风等扰动、系统不确定及难以实现高指向精度的问题,为实现系统的高性能指标,提出了基于回路成形和扰动/不确定观测补偿(DUEA)的思想的方法.首先,使用混合灵敏度H∞设计方法对标称模型设计主控制器来实现对输入信号的最优跟踪;然后,针对影响系统输出的外部扰动以及系统不确定部分,基于等效输入扰动...     

基于混合神经网络模型的磨粒电荷检测方法研究

由于传统的滑油磨粒在线监测方法无法获取电荷分布位置信息,难以准确测量荷电颗粒数目及其携带的电荷量。为此,本文提出一种基于静电层析成像（Electrostatic tomography,EST）技术和深度学习算法的荷电颗粒检测方法。对EST传感器测量数据采用BP神经网络算法重建出测量截面上电荷的分布图像,采用卷积神经网络（Convolutional neural networks,CNN）算法分析重建图像以识别荷电颗粒数目,将识别的颗粒数目和传感器测量数据组合成输入向量,通过1个多层前馈网络确定带电颗粒数目、感应电荷值与颗粒电荷量值之间的映射关系,得到准确的各颗粒的电荷量值。实验结果表明：混合神经网络模型对数据样本的测量误差为9%,可满足滑油监测对于准确性的要求。