欧美月球GNSS规划现状分析综述

月球是地球最重要的天然卫星,当前国际上正在迎来新一轮月球探索高潮,数十个机构和商业团队正在规划月球探索任务,并设想在未来实现航天员长期驻月,围绕月球的“太空竞赛”刚刚开始。月球GNSS（基于现有的地球GNSS以及新的环月卫星通信导航基础设施的月球卫星通信导航定位技术）是空间基准科研的基础,能够提供航天器着陆定位以及月面（及其覆盖空间）定位、导航与授时等服务,同时可以将月球作为试验场,将导航工具包扩展到更远的目的地（如火星）。对欧美近期发布的月球GNSS规划进行了整理归纳,其中包括美国月球GNSS接收机实验（LuGRE）计划和欧洲月光（MoonLight）计划,以及美国中远期月球通信中继和导航系统（LCRNS）计划,这些计划可以为我国开展月球GNSS规划提供参考。     

深空探测用热防护材料的现状及发展方向

综述了热防护材料的发展历史,重点介绍了深空探测用烧蚀防热材料体系,并通过Pioneer Venus、

Galileo、Stardust 等探测任务的热防护系统(TPS)选材方案分析,对未来深空探测TPS 材料进行技术需求分析。

     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

An inverse design method for supercritical airfoil based on conditional generative models

Inverse design has long been an efficient and powerful design tool in the aircraft industry.In this paper, a novel inverse design method for supercritical airfoils is proposed based on generative models in deep learning. A Conditional Variational Auto Encoder(CVAE) and an integrated generative network CVAE-GAN that combines the CVAE with the Wasserstein Generative Adversarial Networks(WGAN), are conducted as generative models. They are used to generate target wall Mach distributions for the inve...     

地月平动点轨道应用与研究进展

面向未来月球和深空探测任务的需求,调研了地月平动点应用与研究的国内外现状与进展,着重分析了近年来的研究方向、研究内容、技术方法与特点,提出了面向未来月球和深空探测任务的地月平动点应用构想,梳理总结了需解决的相应关键技术,可为未来平动点相关研究与应用提供有益借鉴,以及为我国后续月球和深空探测任务的规划与论证提供参考。     

基于可观测性分析的深空自主导航方法研究

基于可观测性分析,研究了不同观测模型下的深空自主导航算法。从非线性系统的可观测性分析出发,利用微分几何理论求解出系统的可观测矩阵,并给出了系统的可观测度定义和状态变量的可观测度分析方法;将其应用于深空自主导航系统,分析了不同观测模型下导航系统以及轨道参数的可观测度,并将其作为观测模型的选取准则;根据可观测性分析结果,结合非线性扩展卡尔曼滤波,建立了不同观测模型对应的自主导航算法。最后,以深度撞击任务的实际飞行数据对文中的自主导航算法进行数值仿真,验证了导航系统可观测度与系统状态估计精度之间的关系,结果表明本文提出的可观测性分析方法是可行的。     

深空通信中Ka频段自适应纠删编码研究

未来深空通信将采用Ka频段进行深空探测任务,但余量有限的Ka频段链路受地面站区域天气的影响较大,容易产生中断。将Ka频段链路的噪声温度建模为两状态马尔科夫链的Gilbert Elliot信道,结合异步CFDP传输模式,设计了低误差的天气状态预测模型,同时针对给定噪声阈值下天气状态转换对下行链路丢包率的影响,提出一种基于天气状态转换的RS码与弱鲁棒孤波分布LT码级联的分组纠删编码技术,通过预测模型实现自适应码率调整以保持Ka频段的数据链路连续性以及有效吞吐量。仿真表明算法可实现对数据分组的纠删保护,提高接收端的译码性能,增大系统吞吐量,提高文件传输效率。     

深空探测天线技术发展现状及趋势

为了满足我国新世纪深空探测任务的需求,文章结合国内外部分典型深空探测项目,介绍了有关探测器上天线系统的设计思路,从而了解深空探测天线技术的发展现状,并根据目前星载天线技术发展和深空探测领域测控通信系统的需求,归纳和总结了未来深空探测领域中探测器上天线技术的发展趋势,为我国深空探测天线技术的发展提供参考。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

一种高速可变形飞行器智能变形决策方法

针对一类高速可变形飞行器(HMFV)的变形决策问题,提出一种基于深度确定性策略算法(DDPG)下考虑综合性能指标最优的智能变形决策方法。首先,以一类后掠角可连续变化的高速飞行器为研究对象,给出变形飞行器动力学模型,分析模型特性及变形量与关键气动参数之间的定性关系。其次,基于关键气动数据特征分析,考虑包含气动性能、控制误差在内的综合性能指标,设计一种基于DDPG算法的智能变形决策方案。再者,针对带有标称控制器的HMFV进行变形决策训练,实时获得滑翔过程中不同飞行状态下的最优构型。最后,仿真结果表明所设计的智能变形决策算法收敛效果好,且具备较好的泛化性能。相比于固定外形,可通过变形使得在不同状态下的升阻比保持最优,且与考虑单一决策指标相比,考虑综合指标最优的变形决策可进一步缩小姿态动态跟踪误差。