结合深空机动的多次行星借力轨道设计

行星借力技术是减小星际探测任务发射能量的有效途径,传统的行星借力模型不能保证探测器借力前后的速度矢量转角达到理想要求。为此,进行了行星借力建模,并基于该模型,推导了探测器飞出借力天体影响球的双曲线超速矢量。针对轨道设计参数的强耦合性,提出了一种全局-局部混合搜索算法,并对地球-金星-地球-火星-木星转移轨道进行了设计。仿真结果验证了轨道模型的正确性和有效性,表明该文方法可以有效地对多次行星借力轨道进行设计。     

基于显式制导的月地返回轨道中途修正研究

月地返回轨道存在各种摄动误差,终端约束复杂,有必要对其进行中途修正研究。显式制导法通过二体轨道与精确轨道之间的差别进行多次迭代求解给定时刻所需的修正速度。文章利用显式制导法,采用月球段及地球段分段进行中途修正的策略,给出了基于分段落点预报显式制导的月地返回轨道中途修正方案。该方案无需计算雅克比矩阵,算法简单、计算快速、实用性强,能满足再入点参数要求。算例仿真与蒙特卡洛仿真验证了该方案的适用性。     

深空组阵Eigen算法及其低信噪比合成性能分析

根据深空组阵信号模型,分析了Eigen最优合成采用的两种准则即最大输出功率和最大 信噪比准则。为了快速计算最优权值,给出了两种迭代算法即PM和PMFM算法,同时为了改善 微弱信号合成效果,在PMFM算法中引入记忆因子,提出一种可以自适应跟踪信号相位变化的 自适应Eigen算法。仿真分析了基于最大输出功率准则的Eigen合成算法和自适应Eigen算法 对低信噪比组阵接收信号的合成性能,仿真结果表明自适应Eigen算法不但具有良好的合成 效果和自适应特性而且运算量小,具有重要的工程应用价值。
     

深空通信中提示否定确认型CFDP协议延时估算

为确定空间数据咨询委员会（CCSDS）建议高级在轨系统中CCSDS文件传输协议（CFDP）在深空通信环境中的适应性,研究了CFDP中提示否定确认型文件传输协议（Prompt NAK CFDP）的传输机理。给出了此传输方式的文件传输时延估算方法。分析了误码率、传输速率、协议数据单元的大小与数量,以及提示信息数等对传输时延的影响,获得了深空通信对误码率的要求。研究表明：CFDP可用于深空通信,为其进一步应用和改进提供了参考。     

深空探测器小天体交会段自主导航方法研究

针对深空探测任务中,与小行星交会段的自主导航问题,首先建立探测器在交会段的轨道动力学模型,并提出了2种导航观测方案:1)利用目标天体图像作为观测量;2)利用目标天体视线方向和目标天体夹角作为观测量.然后结合动力学模型和观测模型推导了2种导航方法的滤波算法公式.最后通过蒙特卡罗数值仿真分析方法,估算了2种导航方法的误差值,结果表明误差值在可接受精度范围内,验证了2种自主导航方法是可行的.     

UAV navigation in high dynamic environments: A deep reinforcement learning approach

Unmanned Aerial Vehicle (UAV) navigation is aimed at guiding a UAV to the desired destinations along a collision-free and efficient path without human interventions, and it plays a crucial role in autonomous missions in harsh environments. The recently emerging Deep Reinforcement Learning (DRL) methods have shown promise for addressing the UAV navigation problem, but most of these methods cannot converge due to the massive amounts of interactive data when a UAV is navigating in high dynamic environments, where there are numerous obstacles moving fast. In this work, we propose an improved DRL-based method to tackle these fundamental limitations. To be specific, we develop a distributed DRL framework to decompose the UAV navigation task into two simpler sub-tasks, each of which is solved through the designed Long Short-Term Memory (LSTM) based DRL network by using only part of the interactive data. Furthermore, a clipped DRL loss function is proposed to closely stack the two sub-solutions into one integral for the UAV navigation problem. Extensive simulation results are provided to corroborate the superiority of the proposed method in terms of the convergence and effectiveness compared with those of the state-of-the-art DRL methods.     

一种空间极低温吸附制冷机的设计与实现

针对极低温吸附制冷技术的热沉制冷系统,系统分析了极低温吸附制冷的特性,研究了热沉温度对极低温吸附制冷性能的影响,研制了一台极低温吸附制冷机样机,工质气体为氦4,在1.5W@4.2K G-M制冷机基础上实现了50μW@0.8K的制冷性能,验证了基于机械制冷系统的更高热沉温度技术的可行性,这一成果为深空探测和载人空间站相关研究提供了技术支撑。     

弱太阳闪烁中深空探测信道的自适应控制

为提高探测器发射机功率利用率,在探测器和地球间建立可靠的传输链路,弱太阳闪烁中的深空信道的自适应控制十分重要。根据CCSDS规范,提出了一种基于连续功率控制和离散速率控制策略的深空信道自适应控制方法。数学分析和计算机仿真表明,(1) 太阳闪烁越强,自适应功率控制效果越明显;(2) 当太阳闪烁引起的信号衰减不大,小于9.4dB时,MPSK自适应控制信道容量高于非自适应控制信道容量。
     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

基于LSTM-ResNet模型的时变结构损伤检测

面向火箭结构健康监测,提出了一种基于深度学习的损伤检测方法,直接将多个通道的振动数据作为输入,并基于由长短时记忆网络LSTM(Long Short-Term Memory Networks)和残差卷积神经网络ResNet(Residual Convolutional Neural Networks)组合而成的LSTM-ResNet网络进行损伤识别。其优点在于,首先利用LSTM提取信号的时间依赖特征,减轻了由某些通道信号缺失带来的影响,再利用ResNet在不损耗特征的情况下进一步提取空间特征,提高了训练效率和损伤辨识准确性。通过充液圆筒振动放水实验模拟火箭飞行状态下的燃料消耗,并基于自主构建的数据集和公用数据集对LSTM-ResNet、LSTM、ResNet以及ResNet-LSTM网络进行了训练,训练结果表明,LSTM-ResNet组合网络无论在传感器是否存在故障的情况下都具有更好的性能,损伤检测精度更高。