空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

基于时域光度探测的卫星频率特性反演研究

卫星的行为特性、意图判断、健康状态诊断等对于空间态势感知具有重要意义,而传统的探测手段无法确定在轨卫星是否正常运行。时域光度探测作为一种新型遥感探测技术,利用高速、低噪声的探测器对卫星机动调制的光学信号进行采样,解调后可反演卫星频率、振动等特性。文章针对低轨卫星目标,首先建立基于形态学滤波来抑制自然天体干扰的空间目标跟踪定位模型,获取目标时域光度信息,再采用频谱分析方法,获取目标频率特性与运行特征。结果表明,文章提出的时域光度探测技术,在卫星频率特性反演和卫星运行状态识别方面具有较好的应用前景。     

一种面向空间非合作目标的强化学习多臂协同俘获策略研究

针对空间非合作目标清除任务中的目标适应性以及俘获动作规划复杂性等问题,提出了一种基于强化学习方法并结合“多臂分组协同”机制的包络俘获策略。首先构建了多臂俘获机构的物理模型和运动学模型,之后利用SAC(soft actor-critic)算法并引入前演训练（PT）设计了强化学习控制器,接着基于“多臂分组协同”奖励机制设计奖励函数以训练得到最优俘获动作。为了验证俘获策略对单目标作业的高效性和对多目标作业的高适应性,对各种目标分别进行仿真实验。仿真结果表明：所得的俘获策略可以对多种构型的目标实现高效、高适应地俘获。     

高斯模糊下舰船图像的矩特征

针对舰船目标图像受到自身运动、环境和图像预处理的影响出现模糊,丢失轮廓信息,造成像素点阵模糊和矩特征变化的问题,在高斯模糊低阶矩特征分析的基础上,提出并证明了Hu矩、仿射不变矩特征在高斯模糊作用下的变化定理;通过2个仿真实验验证了定理的正确性;为了保证舰船目标的识别效率,提出了建立多尺度特征库的建议。     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

JMP超高效率消防泵专用三相异步电动机的研发

JMP超高效率消防泵专用三相异步电动机是河南豫通电机股份公司与新乡市电机系统节能工程技术研究中心共同进行研究、设计、开发的新型节能专用电动机产品。其能效水平达到IE4能效等级。目前,产品开发已经完成,通过国外第三方能效检测机构的检测,取得了产品能效检测报告及出口许可的标识,并且已经批量出口到国外,得到国外客户的认可。介绍了该电动机的设计思路和样机检测结果。     

基于改进匈牙利算法的航空企业动态调度方法研究

航空零件生产调度时,应尽量满足多目标和实时性的要求。结合某航空制造企业的实际生产情况,提出一种基于"穷尽成对比较"技术和改进匈牙利算法的动态调度方法。首先以航空零件调度时的最大完工时间、生产加工成本以及生产能耗为优化目标,构建柔性作业车间多目标动态调度数学模型;然后利用基于"穷尽成对比较"技术的权重参数调节模型对数学模型中各个目标的权重参数进行实时动态调整;最后以各个目标的加权值为总目标,采用改进匈牙利算法求得工序的最优分配结果。结果表明:与传统的动态调度方法相比,动态调度方法能够有效地提高航空企业的生产效率、减少航空企业的生产加工成本并降低对环境的污染,具有较好的综合调度性能。     

空间目标表面包覆材料褶皱对光散射特性的影响

空间目标表面包覆材料的不规则褶皱对其光散射特性具有显著影响.对空间目标表面褶皱进行分类并分析不规则褶皱形成的主要原因.以金聚酰亚胺薄膜样片为研究对象,搭建样片辐射亮度测量系统,获取不同褶皱程度样片的辐射亮度数据.将辐射亮度转换为星等进行分析发现,理论计算与实验测量得到的星等曲线趋势存在较大差异,主要表现为:平面材料的单一镜面反射现象消失;样片在多个角度上出现分散的较强散射点;褶皱程度越高,分散的强散射点越多.结果表明,在对空间目标的光散射特性进行数值计算时,必须充分考虑表面包覆材料褶皱的影响,根据褶皱情况修正数值计算模型,这对空间目标的探测和识别具有重要意义.      

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。