火星大气进入段抗饱和固定时间阻力加速度跟踪制导律设计

研究了具有固定时间收敛特性的火星探测器大气进入段的标称轨迹跟踪制导问题。首先,针对横向运动,给出与速度成线性关系的航向误差漏斗走廊形式,完成了倾侧角的反号逻辑设计。与横程漏斗走廊反号逻辑相比,该逻辑计算量小,更适用于宇航计算机。与航向误差宽度走廊反号逻辑相比,该逻辑在高速状态下能够避免倾侧角的频繁切换,可提高任务成功的概率。其次,针对纵向运动,通过RBF神经网络补偿了倾侧角饱和问题,利用积分滑模设计了阻力加速度固定时间饱和跟踪制导律,其不仅可有效消除滑模控制的抖振问题,且将跟踪误差以两种不同形式引入制导律,能够加速收敛,能够保证跟踪误差在固定时间内快速收敛至0。最后,通过数值仿真验证了所设计的横向倾侧角切换逻辑和纵向制导律对标称轨迹的快速、精确跟踪能力。     

无缆飞行器的电能和信息一体化无线传输技术研究

针对航天飞行器电气设备间连接电缆网复杂沉重的问题,提出了一种面向无缆飞行器的电能和信息一体化无线传输技术方案,该方案能够实现飞行器舱内仪器设备间无线互联和器地间的无线互联;分析了其在飞行器型号工程应用所面临的关键技术,并阐述了其应用前景,为未来航天飞行器电气系统的快速集成设计提供了新的思路和解决途径。     

美国的天基拦截器

□□美国总统布什在2007年2月5日向国会提交了2007-2008年度财政预算案。在该预算案中,除了大幅增加国防开支外,还首次要求初步拨款1000万美元,用于研制美国第1个从太空基地发射的拦截器。这也是布什在预算申请中第1次公开要求研制具有实战功能的天基拦截器。不过在2007年10月,这一提案遭到了美国国会的否决。但是,此举预示着美方有关部门在发展太空监视与跟踪能力的同时,积极研发太空武器,增强其进攻能力。1天基拦截器的作用(1)助推段导弹防御助推段导弹防御系统用于摧毁在助推段飞行的导弹(仍在燃烧中)。对于远程导弹来说,助推飞行时间仅…     

世界中继卫星家庭又添新成员中国首颗中继卫星入轨

2008年4月25日,中国首颗跟踪与数据中继卫星(简称中继卫星)天链-1的01星,在西昌卫星发射中心由首枚长征一3C火箭成功发射.这是2008年中国的首次航天发射,也是"长征"系列运载火箭的第105次飞行.经过4次变轨,天链-1卫星于5月1日成功定点于77°E赤道上空,这标志着中国航天器首座天基数据"中转站"正式建成.它不仅可以使中国航天测控网覆盖率大幅提升,同时还能增强航天器测控及星地数据传输的实时性.这对未来降低航天器的运行风险、提高地面测控指挥的效率,尤其是在航天器出现异常情况下及时实施故障分析和太空抢救具有重要意义.     

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

利用"火星快车"三程多普勒跟踪数据限定局部洛伦兹不变性

目前航天器的三程多普勒跟踪技术已经在深空探测的控制与导航领域起到了重要作用。利用包含了对局部洛伦兹不变性(LLI)以及局部位置不变性(LPI)原理有破坏的三程多普勒跟踪理论,研究分析了"火星快车"(MEX)三程多普勒跟踪数据的残差。这些多普勒观测于2009年8月7日和8日进行,利用了欧洲航天局(ESA)在澳大利亚新诺舍(New Norcia)的上行站和三个分别在中国上海、昆明以及乌鲁木齐的下行站。我们发现,这些观测结果给出的LLI上限在10-2的量级。但由于各观测站本身对频率测量的精度有限,这些数据并不适合于检验LPI。     

基于边频相对能量和的柱塞泵磨损状态识别

摩擦磨损是飞机柱塞泵典型的渐进性故障,因磨损量难以直接测量,通常采用振动信号进行间接测量.磨损引起的振动信号故障特征微弱,对磨损状态进行准确地识别比较困难.针对上述问题,提出了基于谐波分量边频相对能量和的磨损状态识别方法,该方法对壳体振动信号进行Hilbert包络解调消除高频周期干扰,得到清晰的谐波分量,在各谐波分量的特定边频区间内计算最大能量与平均能量的比值并求和,将该值作为新的特征量来表征柱塞泵的不同磨损状态,利用网格法对边频区间范围寻优.结果表明,边频相对能量和相比传统的特征频率能量对磨损状态的区分度更高,适于磨损状态识别.      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。