UML在航天器姿态与轨道控制应用软件需求建模中的应用

简要介绍了UML语言及其建模技术,描述了航天器姿态与轨道控制系统应用软件的组件构成与接口,并分析了组件间的依赖关系;针对航天器姿态与轨道控制应用软件的需求,对其功能需求和非功能需求进行分析研究;建立的软件需求模型实例体现了UML建模技术的特点和优势。     

基于知识集成模型的产品快速设计

为提升现有CAD(Computer-Aided Design)系统对设计知识的重用能力,提出 了设计知识的分层描述和集成建模方案,并给出了具体实施方法.将设计知识划分到构型层 、设计层和造型层3个抽象层次,基于UG(Unigraphics)平台的知识熔接语言(KFL,Knowl edge Fusion Language)和Open++实现了各层设计知识的描述与集成.构建了知识集成模型 的创建和重用支撑系统框架.作为应用实例,在UG平台上开发了专用减速器快速设计系统.      

FMS的对象建模

进行FMS建模研究是研究FMS动态仿真软件的自动生成的前提.面向对象源于仿真,采用面向对象的建模方法,在FMS的分析、建模以及动态调度软件自动生成有着极大的优越性.本文首先研究了对象建模的方法,并以之为指导,建立了FMS的对象模型、功能模型和动态模型,为FMS动态仿真软件的自动生成打下了基础.     

考虑高斯能量分布的复杂表面航天器激光雷达散射特性分析

针对复杂表面航天器在激光雷达照射下散射特性模拟不准的问题,通过表面建模和激光特性修正进行了解决。该方法首先通过高斯能量分布法对激光光束模型进行修正;然后基于有限元的思想,针对航天器复杂表面非光滑、非连续以及多材质等特性,利用改进Z-buffer的消隐算法解决了复杂航天器表面建模问题;最后建立了面向激光雷达的复杂表面航天器激光雷达散射截面的计算方法。仿真分析表明:航天器不同姿态下的激光雷达散射截面精度提升了14.58%,为后续面向激光雷达的隐身设计奠定了基础。     

飞机自动配电系统建模仿真研究

飞机配电系统的自动化是现代飞机供电系统发展的重要方向。针对目前对飞机自动配电系统建模仿真研究较少的现状,本文建立了完整的飞机自动配电系统仿真模型并进行了仿真研究。以中国国家军用标准(以下简称国军标)飞机供电特性为依据,建立了飞机配电系统中各主要部件以及故障产生模块的数字模型,推导了各部件控制信号的逻辑关系,提出了一种锁定关断控制信号的建模新方法。将所建模型应用于某新型飞机的配电系统中进行仿真,通过对过压、欠压两种故障情况下仿真与实验结果的对比,证明了所建模型能很好实现非正常状态下的保护功能。将所建立的模型略做修改,即可移植到其他飞机配电系统中,可见模型通用性强。     

玫瑰扫描光学系统头罩气动热建模与仿真

在导弹高速飞行过程中，光学头罩的温度受气动热效应作用而急剧升高，会产生严重的气动热辐射效应。为研究头罩气动热对玫瑰扫描光学系统的影响，建立了基于CFD流体仿真软件的头罩温度场模型。在仿真软件对光学系统结构进行三维建模后，通过光学软件对头罩热辐射对探测器的影响进行了仿真和计算。仿真结果表明：玫瑰扫描光学系统对头罩的温度梯度较为敏感，当头罩温度非均匀分布时，探测器会接收到气动热辐射干扰信号，对弱小目标的正常探测和提取产生干扰，气动热辐射效应不容忽视。     

运载火箭晃动分析中知识模型的构建及应用

为了改变传统方法所实现的运载火箭晃动分析计算程序结构固定、缺乏灵活性、不能根据不同的使用场景自发完成不同计算任务的问题，利用本体理论和方法，将领域知识解决实际问题的过程抽象为决策知识引导应用单元执行的过程模型。根据建立的模型，从晃动分析相关领域知识中剥离出决策节点和应用单元，再通过决策节点重构决策知识，最终实现决策知识引导应用单元完成晃动计算。最后利用本体OWL语言实现决策节点重构决策知识，并开发了基于本体的火箭晃动计算分析软件模块，实现了分析计算知识的公用性、可拓展性和配置灵活性，为快速、智能化的专业分析计算提供借鉴。     

基于WPF的民机驾驶舱人机接口快速原型技术

新一代Windows呈现基础(WPF)技术以其丰富的界面表现力和功能扩展能力被广泛应用于图形处理和界面设计上。WPF技术应用于民机驾驶舱人机接口快速原型的开发过程中,将界面与逻辑的开发完全分离,提升开发效率,增强模型可复用性。基于此流程创建的人机接口快速原型可用于显示系统研发过程中的早期设计阶段,确认需求的合理性,优化人机接口设计,减少后期显示系统软件研制过程中的更改,缩短开发周期,具有重要的工程应用价值。     

Advanced ensemble modeling method for space object state prediction accounting for uncertainty in atmospheric density

For objects in the low Earth orbit region, uncertainty in atmospheric density estimation is an important source of orbit prediction error, which is critical for space traffic management activities such as the satellite conjunction analysis. This paper investigates the evolution of orbit error distribution in the presence of atmospheric density uncertainties, which are modeled using probabilistic machine learning techniques. The recently proposed “HASDM-ML,” “CHAMP-ML,” and “MSIS-UQ” machine learning models for density estimation (Licata and Mehta, 2022b; Licata et al., 2022b) are used in this work. The investigation is convoluted because of the spatial and temporal correlation of the atmospheric density values. We develop several Monte Carlo methods, each capturing a different spatiotemporal density correlation, to study the effects of density uncertainty on orbit uncertainty propagation. However, Monte Carlo analysis is computationally expensive, so a faster method based on the Kalman filtering technique for orbit uncertainty propagation is also explored. It is difficult to translate the uncertainty in atmospheric density to the uncertainty in orbital states under a standard extended Kalman filter or unscented Kalman filter framework. This work uses the so-called “consider covariance sigma point (CCSP)” filter that can account for the density uncertainties during orbit propagation. As a test-bed for validation purposes, a comparison between CCSP and Monte Carlo methods of orbit uncertainty propagation is carried out. Finally, using the HASDM-ML, CHAMP-ML, and MSIS-UQ density models, we propose an ensemble approach for orbit uncertainty quantification for four different space weather conditions.