系绳辅助的行星际轨道捕获研究

针对深空探测中应用动量交换系绳辅助进行行星际轨道捕获时的系绳控制问题,首先对运行在目标行星双曲线飞越轨道上的探测器系统进行动力学建模,给出了一致性轨道捕获条件和系绳最佳切断点,并进行了动力学特性分析。考虑到子探测器捕获后的变轨需求及系绳收放速率的限制,提出了新的最优控制方法,并应用模拟退火算法进行了数值求解。仿真结果表明,系绳切断时指向恰当,子探测器距离目标行星最近,将有利于后续变轨;系绳最大收放速率约为30m/s,切实可行。     

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。     

深空探测器约束简化与任务规划方法研究

针对深空探测器现有的任务规划方法在处理系统间复杂约束时存在的约束复杂度高、实时响应能力差、计算效率低等问题,提出一种新的约束简化方法和启发式连续任务规划方法。首先,在时间线规划模型中根据两两子系统间的实时状态关系定义启发式因子,并利用该因子在规划周期内的取值建立子系统间时间线临时从属关系,从而合理地降低规划过程中的约束复杂程度;然后,在规划算法中采用时间线状态扩展策略,根据时间线临时从属关系对各子系统间的状态进行横向和纵向扩展,从而实现对目标任务规划进行快速排序。仿真结果表明由启发式因子建立的时间线临时从属关系有效简化了任务规划过程中的时间约束和资源约束、提高了任务规划的效率和灵活性。     

一种用于深空高动态微弱信号的频率估计算法

研究了低载噪比与高动态环境下的深空测控系统频率估计算法,在分析已有方法不足的基础上,提出了一种基于无迹卡尔曼滤波(UKF)的闭环载波跟踪方法。此方法结合了锁频环鉴别器和UKF的优点,获得了宽的估计范围,高的估计精度和低的载噪比门限。在分析UKF模型的基础上,此方法还减少了原有UKF算法的运算量。仿真过程模拟了接收机的高动态运动轨迹,结果表明此法具有较好的动态适应能力、收敛性能和跟踪精度,能够有效地完成低载噪比与高动态环境下的频率估计。此法与基于扩展卡尔曼滤波(EKF)的频率估计算法相比,具有更低的频率估计误差,因此有着良好的应用前景。     

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。     

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。     

美国深空测控通信技术动向分析

文章详细介绍了美国深空测控通信技术的发展动向,并对其未来规划进行了较为详细的综述和分析。     

面向木星卫星交会任务的探测器飞行路径规划

针对探测器在木星系统内多次借力的飞行路径和轨道优化设计问题,提出了一种基于三层优化思想的飞行路径规划方法,该方法可根据给定的任务约束和交会目标,自动搜索探测器在木星系统内的借力飞行序列,同时完成标称飞行轨道的优化设计。首先,文章在给定轨道动力学模型和木卫借力模型基础上,建立了面向木卫交会任务的两次借力飞行轨道优化设计模型和求解方法;然后,采用结合遗传算法、全局遍历和贪婪算法的三层优化设计思路,给出了一种环木飞行路径规划方法;最后,以木星四颗卫星的交会任务为例进行了仿真分析。仿真结果表明：针对木卫的交会任务,探测器速度增量需求随木卫借力次数的增多,呈现先显著减小后逐渐增大的现象;探测器采用多次木卫借力的策略,可显著降低探测器的速度增量需求;探测器速度增量达到最优之后,借力目标收敛于交会目标,且速度增量随借力次数的进一步增多而逐渐增大。     

面向太阳系边际探测的激光通信方案研究

针对我国太阳系边际探测任务需求,提出了利用激光链路进行对地高速信息传输的方案。梳理了深空激光通信的国外发展现状,分析了太阳系边际探测任务的激光链路特点和约束条件,给出了飞行激光终端和激光地面站的初步方案和主要参数,进行了链路预算和影响因素分析,并对我国未来太阳系边际探测任务激光通信的发展进行展望,为我国太阳系边际探测任务的激光通信论证与实施提供参考。     

Imaginary filtered hindsight experience replay for UAV tracking dynamic targets in large-scale unknown environments

As an advanced combat weapon, Unmanned Aerial Vehicles (UAVs) have been widely used in military wars. In this paper, we formulated the Autonomous Navigation Control (ANC) problem of UAVs as a Markov Decision Process (MDP) and proposed a novel Deep Reinforcement Learning (DRL) method to allow UAVs to perform dynamic target tracking tasks in large-scale unknown environments. To solve the problem of limited training experience, the proposed Imaginary Filtered Hindsight Experience Replay (IFHER) generates successful episodes by reasonably imagining the target trajectory in the failed episode to augment the experiences. The well-designed goal, episode, and quality filtering strategies ensure that only high-quality augmented experiences can be stored, while the sampling filtering strategy of IFHER ensures that these stored augmented experiences can be fully learned according to their high priorities. By training in a complex environment constructed based on the parameters of a real UAV, the proposed IFHER algorithm improves the convergence speed by 28.99% and the convergence result by 11.57% compared to the state-of-the-art Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. The testing experiments carried out in environments with different complexities demonstrate the strong robustness and generalization ability of the IFHER agent. Moreover, the flight trajectory of the IFHER agent shows the superiority of the learned policy and the practical application value of the algorithm.