基于GNSS掩星资料的风云卫星微波载荷产品质量验证与分析

聚焦新一代国产极轨气象卫星微波载荷和全球导航卫星系统(GNSS)掩星临边观测的探测机理,及其各自仪器的性能指标和在轨运行的特点,利用2019年1月1日到12月31日的全球数据,开展基于GNSS掩星资料的风云气象卫星微波观测亮温对比和反演廓线产品质量检验研究。在匹配数据时间分辨率为30 min和经纬度分辨率为0.5°的情况下,亮温偏差小于5 K,大气温湿度探测精度分别为1.92 K和22.8%,同时分析了2019年青藏高原地区大气温湿度的时空分布规律。结果表明:风云气象卫星微波辐射计具有全球全天候探测大气温湿度的功能,在近地面具有丰富的反演数据,而对于GNSS掩星探测资料,3 km以上探测精度优于微波湿度计,近地面数据较少,两者联合,既可以互相补充和验证,又能以青藏高原为例,分析长时间序列气象和气候数据,为后续的气候研究提供基础数据集。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

基于无人机平台的机动式标校系统设计与应用

随着我国航天事业的不断发展,地面卫星测控网也日益完善,呈现出数量多、分布广、频段宽、工作体制多等特点。为提高航天测控装备标校的精度和效率,克服传统标校方式所具有的造价高、操作繁杂等缺点,研制了一套车载机动式、基于无人机(UAVs)平台的航天测控装备标校系统。该系统采用实时载波相位差分定位(RTK)技术,配备多类高度集成小型化目标载荷,可对地面统一测控、雷达和光电装备进行精度鉴定以及日常进行大动态范围标校和训练等工作。首先,介绍了系统的工作原理、系统组成及精度鉴定数据处理流程;其次,基于外场实验,给出了该系统的鉴定效果;最后,相较于目前测试性能单一的标校系统,该系统具有集成度高、机动性强、覆盖频段广、可完成性能实验多等优点,有更好的使用和推广价值。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

基于碰撞检测的空间超大规模航天器拼接曲面优化

针对模块航天器在轨拼接曲面优化、曲率极值问题,提出了一种基于模块间隙约束的“球冠-平面”辅助映射法,该方法不仅可以规划模块航天器如何构成目标曲面,还可以获得该曲面的极值。该方法以正六棱柱模块航天器为单位模块,将模块按由“球冠-平面”映射的圈层排列张成目标球面,构建了拼接曲面的数学模型。鉴于工程上对机构调整有限导致的相邻模块间隙限制问题,在算法中引入了碰撞检测(DC)约束参数;通过遗传算法寻优,获得目标曲面布局的最优解。最后仿真表明:该算法可以有效获得曲面布局的最优解。     

基于小波分析的容错组合导航系统故障检测算法研究

针对目前多数故障检测法对缓变的软故障检测不灵敏,延迟性较大,无法判断各种故障类别等问题,在分析利用小波奇异性进行故障检测原理的基础上,提出了一种基于模极大值原理的导航传感器故障检测方法。该算法利用传感器的观测量来诊断传感器是否正常工作,文中给出了利用小波奇异性进行故障检测的原理描述及利用该算法进行故障检测算法流程。该算法不仅对导航传感器软故障具有较高的检测灵敏度,而且可以通过故障点处信号的Lipschitz指数来判断故障类别,为传感器故障隔离和修复提供有效的信息,因此可以更好的保障多传感器容错组合导航系统的可靠性。计算机仿真表明所提方法是有效的,具有较高的实用性。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

基于分离策略的航天器多故障模式诊断方法

针对定性模型诊断方法在处理多故障模式复杂系统时计算量大,不能满足航天器自主诊断实时性要求的问题,提出了新的诊断方法。为了减小冲突识别的实时计算规模,引入冲突识别的分离策略,提出了解析冗余计算方法。扩展了候选产生算法,先识别可能的异常部件,再通过冲突环境对异常部件的故障类型进行确定,在实现多故障模式系统故障诊断的同时,缩小了匹配空间。以某卫星一次电源系统为例,通过与现有算法进行对比,验证了本文的方法能够有效地减小诊断的规模,提高诊断效率,满足航天器自主诊断的需求。     

基于振动检测的发动机故障诊断算法研究

基于振动检测的发动机故障诊断算法,分析发动机发生故障时振动信号所具有的特征和故障诊断指标选择,对振动信号预处理、特征提取、状态识别和诊断决策分别进行了介绍,研究出采用振幅和频率两参量包络曲线法诊断发动机故障的算法,通过发动机热试车验证了采用发动机振动检测来判断发动机故障的算法的正确性。