基于无迹卡尔曼滤波的柔性自由翻滚目标姿态估计

在进行在轨维修以及清除等任务时,需要确定航天器的姿态四元数和角速度。失效卫星常处于自由翻滚状态,通常带有柔性帆板,其运动规律相较于刚性帆板更为复杂。一方面,空间失效卫星的姿态确定常使用激光雷达、双目相机作为测量装备,其测量精度常受到光照、磁场等的影响,会对识别精度产生较大干扰。另一方面,柔性航天器的质量特性容易发生变化,导致很难对其动力学模型进行精确描述。针对柔性自由翻滚目标的状态难以获取的问题,本文提出基于无迹卡尔曼滤波的姿态估计方法,并采用神经网络补偿柔性航天器模型误差。仿真结果显示：无损卡尔曼滤波器(Unscented Kalman filter,UKF)算法对柔性航天器的姿态四元数预测误差值在10^-3范围内,角速度误差值最高0.08 rad/s,采用神经网络补偿动力学模型后对四元数的预测误差稳定在9×10^-4范围内,角速度误差稳定在1.5×10^-3范围内。结果表明,使用神经网络补偿柔性航天器动力学模型的不确定项之后,UKF对柔性自由翻滚目标的姿态估计精度满足工程要求。     

基于贝叶斯网络的空中交通运输系统韧性评价

为准确刻画空中交通运输系统安全保障能力,引入韧性概念评估其抵御风险与恢复水平。建立层次化的贝叶斯网络模型,分析影响空中交通运输系统正常运行因素,评价系统韧性,并对2010—2019年中国空中交通运输系统韧性及变化趋势进行定量分析。通过调整模型各结点,分析因素对系统整体韧性水平的影响,以新冠疫情下底层结点的变化情况为例对系统整体韧性水平变化进行评估。研究结果表明,空中交通运输系统的总体韧性评价值在54%～60 2%之间,且随着社会经济不断发展呈现波动上升的趋势。在新冠疫情影响下系统服务水平受到较大影响,但系统整体仍能维持一定的韧性。贝叶斯网络模型较好地量化了空中交通运输系统韧性,是提高系统韧性的基础,为空中交通运输业可持续发展及抵御冲击提供有效调控策略和理论方法。     

基于遗传神经网络的高能固体推进剂高压燃烧性能计算

建立并利用遗传(GA-BP)神经网络对NEPE类高能固体推进剂高压燃烧性能进行了模拟计算。针对计算需求,对NEPE类高能固体推进剂配方进行了全新表征,提出了13个表征参数。燃速预示结果表明,该方法计算误差小于10%,精度较高,能指导高能固体推进剂高压燃烧性能研究及配方设计;同时,也说明该表征方法能反映出此类配方的本质特征。该研究为高能固体推进剂燃速预估提供了新方法。     

自适应立方卷积图像插值算法

图像插值是图像处理的一项重要技术,可适用于多个领域,近年来多使用该技术进行图像缩放.针对传统图像缩放算法边缘处理效果较差、边缘检测插值算法复杂度高的问题,提出一种有效增强边缘轮廓的自适应立方卷积插值算法.该算法结合边缘梯度变化和立方卷积插值的特点,使得图像在平坦和纹理区域均能取得理想效果.实验结果表明,与基于边缘检测的插值算法相比,该算法具有较低的复杂度,平均运算时间降低了3.19 s;与立方卷积算法相比,图像峰值信噪比有较大的提高,峰值信噪比增加了0.89 dB.     

可用于深空信息传输的光纤激光相控阵技术

提出采用面向动态连接的光纤激光相控阵的深空激光通信及全光组网技术,对4~35万千米深空探测链路功率进行了仿真,由于1.55μm掺铒光纤放大器的饱和输出限制,使其安全裕量大大低于1.064μm载波源的安全裕量。模拟了1.064μm的光纤激光相控阵在深空通信中的远场强度分布图,阵元数目为20×20时,阵元间距为20μm、纤芯半径为10μm,远场的扫描角度范围为±1.309°。结果表明,1.064μm光纤激光相控阵光源具有深空链路传输优势,该研究为面向动态连接的激光相控通信的实现提供理论依据。     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

漂浮基空间机械臂姿态、关节协调运动的模糊小波神经网络控制

讨论了本体姿态受控、位置不受控制的漂浮基空间机械臂系统协调运动的动力学控制问题. 根据系统位置几何关系、动量守恒关系和第二类拉格朗日方程, 建立漂浮基空间机械臂系统的动力学方程. 在此基础上, 针对系统参数未知的情况, 设计了一种采用小波基函数作为模糊隶属度函数的模糊神经网络控制器, 以控制空间机械臂的本体姿态和机械臂两关节铰协调地完成各自在关节空间的期望运动. 其特点是不要求系统动力学方程关于惯性参数呈线性函数关系, 甚至不需要知道系统参数;而且网络权值是采用反向传播算法根据误差进行在线学习, 使模糊神经网络获得更强的自学习和自适应能力, 同时也节省了离线学习的时间. 系统数值仿真的结果证实上述控制方案是行之有效的.      

利用重要性贡献矩阵确定通信网中最重要节点

针对已有的节点重要性评价方法,基于节点的移除可能导致网络拓扑结构变化的不足,提出了一种利用节点间关联特性的通信网络节点重要性评价方法.该方法定义的节点重要性贡献矩阵(NICM,Node Importance Contribution Matrix)考虑了网络中不同节点间的联接关系对节点重要性的影响,每个节点对其相邻节点重要程度的贡献与该节点的度有关,节点的初始重要性设为该节点的介数.利用该算法对典型网络的节点重要性进行了分析,并且与移除节点的方法进行了对比.实验结果表明,所提出的算法无须考虑网络拓扑结构的变化,结果精确并能正确评价节点对网络资源的控制能力.     

Real-time GLE alert in the ANMODAP Center for December 13, 2006

Within the last years, a real-time system to monitor high energy cosmic rays for space weather use has been operated at Athens cosmic ray station. Neutron monitors and satellite high resolution data in real time are used, making it possible to observe cosmic rays in dual energy range observations. In large solar energetic particle (SEP) events, ground level enhancement (GLE) can provide the earliest alert for the onset of the SEP event. This system watches for count rate increases recorded in real time by 23 neutron monitors, which triggers an alarm if a ground level enhancement (GLE) of cosmic ray intensity is detected.