大跨时空任务背景下的太阳能无人机任务规划技术研究进展

通过任务规划技术合理的优化太阳能无人机的飞行轨迹和动力学参数,能够有效提高太阳能无人机的能量利用率,使其胜任许多大范围跨时间跨空间飞行任务。从能量建模、续航评估和能量管理策略3个方面对大跨时空任务背景下太阳能无人机任务规划技术的研究进展进行了综述。在能量建模方面,介绍了当前主流的太阳辐射模型和能量生产基本框架;在续航评估方面,分析了目前的指标设计和应用方法;在能量管理策略方面,从能量综合应用、风力滑翔机制、轨迹优化方法和面向特定任务的应用4个角度,梳理了当前的研究现状。最后,对该领域未来可能的研究方向进行了展望。     

利用Breakwell间距比法制定行星际探测中途修正策略

详细介绍了制定行星际探测中途修正策略的Breakwell间距比法,给出了在燃料最优条件下,终端误差精度和制导能力与中途修正设计次数和时刻之间的解析关系。一般而言,终端误差精度每提高3倍,修正次数就需要增加1次,制导能力每提升3倍,修正次数就可以减少1次。在具体使用上,应首先根据精度要求和制导能力确定最后一次修正时刻,然后向前递推,使得前一次修正后误差传播量与后一次修正后误差传播量成公比为1/3的等比数列,以此确定其余修正时刻,从而保证在达到终端精度前提下,整体燃料消耗最少。以火星探测为例,给出探测器于2018年5月出发12月达到火星的算例,仿真结果表明了理论分析的正确性。     

微纳InSAR卫星总体技术研究

微纳合成孔径雷达干涉(Synthetic Aperture Radar Interferometry, InSAR)卫星是对地定量化遥感的重要手段。开展了微纳InSAR卫星系统总体技术研究,给出了使得干涉测量覆盖范围最大的双星编队构型设计方法,建立了低燃料消耗双星轨道参数设计准则,提出高功能密度比InSAR卫星系统的设计方法,包括载荷平台一体化、卫星高集成模块化等总体设计方法,并给出了相应的设计实例。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

航天测控与数传接收综合信道构想

提出 S/ X航天测控与数传接收综合信道的概念 ,对综合信道进行了设计 ,重点说明综合信道中伪码测距的实现方法。讨论设计测控系统和应用系统综合信道的三种方案 ,并进行了比较分析。     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

电子设备可靠性预计参数综合分析方法研究

如何调整元器件的参数以满足可靠性要求并达到最佳的效费比?传统的方法是绘制故障率随单个预计参数变化的曲线，然后根据变化的趋势分别进行调整，但该方法很难直观地反映出多参数对故障率的综合影响，为了达到优化的目的，设计人员需要根据经验反复地调整各类参数。为此，本文结合电子产品可靠性预计软件，给出了直观分析各参数对电子设备可靠性预计结果综合影响的方法。