非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。     

一种实用的目标跟踪算法

针对很多高精度目标跟踪算法不能满足实时性要求的问题,提出使用Harris角点检测方法提取目标的少量特征;使用高精度的光流法对提取的部分特征点进行匹配;使用重心算法计算分散特征点的中心作为目标的脱靶量。该算法在保持精度的同时,提高了速度。设计的系统已经应用到实际工程中,对目标旋转、光照变换、变形等具有较高的鲁棒性,并且能够在20ms内完成目标位置的计算,满足实时目标跟踪的要求。     

基于星载毫米波顺轨-交轨InISAR的空间运动目标三维成像技术研究

研究了低信噪比情况下的星载毫米波顺轨/交轨In\|ISAR空间目标三维成像问题。由于传统的RD成像算法在目标尺寸较大和分辨率要求较高时不能取得较好的成像效果,故将波数域成像算法引入运动目标成像处理以获得高分辨率的二维图像,继而将顺轨/交轨三天线ISAR图像分别进行干涉处理,获得了目标上各散射点的三维位置。作为二维成像、图像配准等重要环节的基础参数,对低信噪比下的目标检测和三维运动参数估计进行了研究,分析了速度估计精度要求。最后,仿真结果表明了顺轨/交轨In-ISAR系统的有效性。     

双星TDOA/FDOA定位系统的目标定位精度分析

根据双星时差/频差(TDOA/FDOA)的定位原理,推导了目标定位精度模型,分析了目标定位精度与轨道高度、星间基线长度、TDOA测量精度、FDOA测量精度、卫星速度测量精度、卫星位置测量精度等误差源之间的关系。分析结果表明:测量因素中的FDOA测量精度和卫星速度测量精度,是影响双星定位的关键因素;而TDOA测量精度和卫星位置测量精度,对目标定位精度的影响较小。     

空间非合作目标质量特性在轨辨识

提出基于系统动力学方程的空间非合作目标质量特性辨识算法。利用递推最小二乘法辨识空间机器人抓捕非合作目标后系统整体的质量特性,进而根据多体动力学的建模方法,通过几何关系解算得到非合作目标与末端作用器联合体的质量特性参数。仿真分析验证了该辨识算法的有效性。     

天宫一号目标飞行器电源分系统设计

介绍了天宫一号（TG1）目标飞行器电源分系统的组成和主要技术指标。分析了国内在低轨飞行器上采用100V高压母线、大批量使用国产氢镍电池、三结砷化镓太阳电池片和半刚性基板等关键技术。回顾了电源分系统研制过程中高电压元器件体系建立、半刚性帆板力学及空间环境设计与验证、氢镍电池在轨寿命和可靠性研究,以及高压电源系统可靠性及安...     

“天宫一号”目标飞行器检漏工作总述

文章主要描述了“天宫一号”目标飞行器研制过程中与检漏相关的内容,包括检漏项目、检漏方法和检漏结果等。重点介绍了氦质谱吸枪检漏、压力变化检漏和氦质谱非真空累积检漏及多种气体分析等多种检漏方法及其适用范围。“天宫一号”的检漏数据验证了应用以上检漏方法可行且有效。     

基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

空间目标双基地ISAR一维距离像速度补偿方法

空间目标的高速运动会造成双基地ISAR一维距离像的畸变,针对此问题,研究了相应的速度估计与补偿方法。基于中频直接采样匹配滤波非相参双基地ISAR成像系统,首先研究了高速运动对双基地ISAR成像的影响,其次利用雷达基带回波具有的稀疏性,构造出与高速运动目标回波特性相匹配的冗余基并对其进行稀疏分解,然后据此估计出回波的调频斜率,进而估计出目标的无模糊速度,最后构造补偿相位项完成对宽带回波的速度补偿。算法补偿精度高,且无测速模糊,空间目标理想散点的仿真实验验证了补偿方法的有效性。     

基于Murty方法的多目标跟踪快速算法

JPDA是一种有效的多目标跟踪算法，但算法的复杂度随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间，通过Murty方法，得到K个最优的目标与观测值对应关系，再利用这K个最优对应关系实现JPDA算法。仿真结果表明，新算法跟踪成功率与JPDA相近，所需的时间远低于JPDA算法。