考虑火箭约束的深空探测弹轨道拼接模型

针对深空探测任务轨迹规划中对于运载火箭弹道约束考虑不足、弹轨道拼接设计效率低的现状,建立了考虑运载火箭射向和末级滑行时间约束的弹轨道拼接计算模型,在无引力摄动假设下得到了任意深空出发速度条件下的运载火箭射向和末级滑行时间计算公式。利用该模型分析了弹轨道可成功拼接的集合范围随深空出发速度、发射场地理位置、火箭射向和滑行时间约束范围的变化规律。提出深空出发"赤纬-发射能量"(δ-C3)图方法,可在图上表示指定型号运载火箭深空发射能力可行域,结合深空轨道转移Pork-Chop图方法,可以快速判断该型运载火箭是否适用于特定深空发射任务。依据这一方法,提出了对我国未来深空探测运载火箭射向和末级滑行时间的能力需求。     

基于深度Q网络的多智能体逃逸算法设计CSCD

当前多智能体追逃博弈问题通常在二维平面下展开研究,且逃逸方智能体运动不受约束,同时传统方法在缺乏准确模型时存在设计控制策略困难的问题。针对三维空间中逃逸方智能体运动受约束的情况,提出了一种基于深度Q网络(DQN)的多智能体逃逸算法。该算法采用分布式学习的方法,逃逸方智能体通过对环境的探索学习得到满足期望的逃逸策略。为提高学习效率,根据任务的难易程度将智能体策略学习划分为两个阶段,并设计了相应的奖励函数引导智能体探索满足期望的逃逸策略。仿真结果表明,该算法所得逃逸策略效果稳定,并且具有泛化能力,在改变一定的初始位置条件后,逃逸方智能体也可成功逃逸。     

工程施工中深基坑高程放样的误差分析

论述了市政工程施工中深基坑高程放样方法,对放样过程中产生的误差及误差的大小进行了分析。本测量放样方法可以满足给排水工程施工,以及符合高程精度要求的验收规范。     

Expectations for Crater Size and Photometric Evolution from the Deep Impact Collision

The NASA Discovery Deep Impact mission involves a unique experiment designed to excavate pristine materials from below the surface of comet. In July 2005, the Deep Impact (DI) spacecraft, will release a 360 kg probe that will collide with comet 9P/Tempel 1. This collision will excavate pristine materials from depth and produce a crater whose size and appearance will provide fundamental insights into the nature and physical properties of the upper 20 to 40 m. Laboratory impact experiments performed at the NASA Ames Vertical Gun Range at NASA Ames Research Center were designed to assess the range of possible outcomes for a wide range of target types and impact angles. Although all experiments were performed under terrestrial gravity, key scaling relations and processes allow first-order extrapolations to Tempel 1. If gravity-scaling relations apply (weakly bonded particulate near-surface), the DI impact could create a crater 70 m to 140 m in diameter, depending on the scaling relation applied. Smaller than expected craters can be attributed either to the effect of strength limiting crater growth or to collapse of an unstable (deep) transient crater as a result of very high porosity and compressibility. Larger then expected craters could indicate unusually low density (< 0.3 g cm⁻³) or backpressures from expanding vapor. Consequently, final crater size or depth may not uniquely establish the physical nature of the upper 20 m of the comet. But the observed ejecta curtain angles and crater morphology will help resolve this ambiguity. Moreover, the intensity and decay of the impact “flash” as observed from Earth, space probes, or the accompanying DI flyby instruments should provide critical data that will further resolve ambiguities.     

月球探测技术--轨道设计和计算

分析了月球探测器的受力情况及其对轨道运动的影响。经简化和假设后 ,给出了探月轨道设计常用的各种力学模型和计算公式 ,并对其应用作了评述。最后介绍了奔月过程中工程上使用的 3种典型方案和各自的优缺点。     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。     

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

深空通信中的网络技术

介绍了深空通信的特点、目前空间链路所使用的数据传输协议对深空探测环境的适用性、新制订容延迟网络体系结构的设计思想和实现要点,以及有待进一步研究的内容。     

深空着陆器随机优化制导律设计

针对导航估计误差对制导精度的不利影响,提出了一种随机优化制导设计方法。该方法将导航估计性能作为优化项引入制导设计过程中,通过对观测轨迹的优化设计,使视觉导航估计精度得到提高,进而改善了制导性能;同时,引入单步超前优化方法减少迭代运算量。将其应用于深空探测着陆任务,仿真结果表明与传统估计最优制导方法相比,该随机优化制导律有效降低了估计误差给制导系统带来的不利影响,使着陆器导航与制导系统整体性能得到改善提高。     

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...