基于神经元的容错组合导航系统设计

本文讨论了容错组合导航系统中的多传感器信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验，验证了这种方法的可行性，并分析了该研究领域所存在的问题，提出了可能解决的技术途径，并预测了未来的发展趋势。     

考虑根铰间隙的空间框架展开机构动力学分析

利用Kane法多体动力学基本理论并考虑根铰间隙影响因素,建立适用于空间柔性太阳电池阵的多框架展开机构多体系统动力学模型,对框架展开机构的展开方式和展开过程进行仿真分析,获得了机构组成部件在展开过程中的几何位置、速度、加速度等动力学特性,分析了框架展开机构各个关节点运动特性、铰链间隙与外部驱动力的相互作用规律。结果表明：合理控制框架展开机构各运动部件的驱动力矩是保证框架按照确定规律展开的必要条件;根铰间隙对太阳电池阵框架展开机构角加速度影响较为明显,进而影响到展开框架展开过程的稳定性,对转角和角速度几乎没有影响;在进行空间太阳电池阵框架展开机构设计时应严格控制铰链轴间隙,并通过动力学仿真校核间隙对太阳电池阵展开过程的影响;研究结果为空间柔性太阳电池阵多模块框架展开机构设计提供指导。     

一种辅助GNSS/INS组合导航系统的高度计设计

因为地球对于导航卫星电磁波信号来说是不透明的,因此高程精度因子VDOP值通常总大于水平位置精度因子HDOP,导致了GNSS接收机在竖直方向上的定位结果没有水平方向理想,也直接影响到和惯性导航系统INS组合后即GNSS/INS组合导航系统的测量精度。文章提出了一种使用气压高度计辅助GNSS/INS组合导航系统并提高其测量精度的方法,从大气压强传感器出发,介绍了高度计测量系统的组成和工作原理,并阐述了各部分的电路设计及其工作流程。为了验证设计效果,对该系统进行了测试,结果表明该方法可以有效地提高组合导航系统测量精度,可用于普通导航领域。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

绳网拖曳带帆板失效卫星的波动控制

针对带有柔性太阳帆板的失效卫星,提出了一种基于波动控制理论的控制方法,同时实现了绳网拖曳过程中稳定碎片姿态与抑制帆板振动两个目标。首先,提出一种新的绳网简化结构,用Kane方法建立了动力学模型,使其能够在保证运算效率的同时具有更高的精度。然后,针对系统特性设计了波动控制策略,仅需要输入系绳张力的大小和方向,便能通过拖船位置的改变来消除失效卫星的自旋和帆板振动。最后,通过数值仿真验证了控制律的有效性。仿真结果表明,在控制律作用下的拖曳过程中,失效卫星的姿态能够快速稳定,同时帆板的振动也得到了良好的抑制。     

基于小波分析的容错组合导航系统故障检测算法研究

针对目前多数故障检测法对缓变的软故障检测不灵敏,延迟性较大,无法判断各种故障类别等问题,在分析利用小波奇异性进行故障检测原理的基础上,提出了一种基于模极大值原理的导航传感器故障检测方法。该算法利用传感器的观测量来诊断传感器是否正常工作,文中给出了利用小波奇异性进行故障检测的原理描述及利用该算法进行故障检测算法流程。该算法不仅对导航传感器软故障具有较高的检测灵敏度,而且可以通过故障点处信号的Lipschitz指数来判断故障类别,为传感器故障隔离和修复提供有效的信息,因此可以更好的保障多传感器容错组合导航系统的可靠性。计算机仿真表明所提方法是有效的,具有较高的实用性。     

基于推力器的组合航天器质量特性辨识方法研究

组合航天器的质量特性辨识对提高其姿态轨道控制的精度和快速性有至关重要的作用。对基于推力器的总质量、质心位置和惯量矩阵的在轨辨识进行了研究。基于推力作用下的平动方程可得到质心位置和总质量的耦合辨识方程,基于转动方程可得到转动惯量和质心位置的耦合辨识方程,通过对角速度和线加速度进行多次采样,利用最小二乘法求解这2类辨识方程可完成总质量、质心位置和惯量矩阵的在轨辨识。基于上述辨识原理,提出一种闭环稳定的解耦质量特性辨识方法,通过设计合适的推力器工作策略,实现总质量、质心位置和惯量矩阵的解耦辨识,并采用一种不依赖于转动惯量的控制算法,使组合航天器的姿态在辨识结束后恢复到稳定状态。仿真表明,采用闭环稳定的解耦质量特性辨识方法,可保证组合航天器在推力器激励后的姿态稳定性。在仿真采用的动力学干扰、推力器误差和敏感器误差下,总质量、质心位置和惯量矩阵的辨识精度可达到10-3量级。     

卫星产品声振组合试验技术研究

文章开展了声振组合试验技术的初步研究,探讨了卫星产品声振组合试验的控制方法,并以面积质量比大的卫星舱板产品为例研究了噪声与随机振动组合试验条件确定方法。结果表明:在进行噪声与正弦振动组合试验时,应先启动振动试验控制,后启动噪声试验控制,且正弦振动控制应采用滤波处理;在进行噪声与随机振动组合试验时,噪声激励与随机振动激励正常启动后,相互之间影响很小,可以按照要求的条件施加激励;对于面积质量比大的卫星产品,在结构上同时施加随机振动载荷和噪声载荷,声振组合试验考核更加合理。     

惯性组合导航系统中的快速景象匹配算法研究

在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之 一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出 了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点, 对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最 后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图 像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff 距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、 精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的 高性能要求。
     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。