基于立体视觉的板料成形极限应变测量关键技术及其系统

 设计并实现了一种基于双目立体视觉和数字图像相关方法的板料成形极限应变测量系统—BOSAS(双目视觉应变测量分析系统),对其中的关键技术作了深入讨论。该系统可以克服传统坐标网格方法很难进行变形过程的动态监控、自动化程度不高等局限,并可计算试件各变形阶段全场应变分布,以及重建不同变形时刻下试件的几何外形。将分段位移传递法和有限应变理论相结合,可计算大变形下的极限应变。对深冲铝板6016以及航空铝板2A12-T4、2A12-O、7B04-O等材料的应变测量结果显示本文方法适用于板料成形三维变形及极限应变的测量,并将测得数据与由坐标网格方法测得的数据进行比较,结果表明本文方法测量准确、可靠。     

有限推力椭圆轨道近距离拦截方法

针对椭圆轨道近距离飞行器确定时间最小能量拦截问题,研究了有限推力一次机动作     

低轨对地凝视卫星姿态模糊控制器设计

设计了一种用于低轨道小卫星对地凝视姿控的模糊控制器。根据刚体动力学导出的基于欧拉角的运动学和动力学方程,设计了对地凝视小卫星的姿态模糊控制器。仿真结果表明:与传统控制方法相比,该控制器具快速性和鲁棒性。     

PCB缺陷识别算法的研究

AOI（Automatic Optic Inspection）是基于光学原理来对印刷电路板（PCB）焊接生产中常见的缺陷进行检测的一种新型测试技术。对于PCB图像的定位问题,使用一种改进的Hough变换检测圆形,通过刚体变换模型实现图像定位;在瑕疵识别中,根据树分类法和序贯检测的思想设计一种PCB缺陷模式识别方案。     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。     

浅谈空间光学遥感器稳像技术

文章首先分析了影响像稳定的因素,然后对几种常见的稳像技术的工作原理及其优缺点进行了介绍,在论述当前稳像技术发展现状及未来发展趋势的基础上,讨论开展综合稳像技术研究的必要性。     

基于多特征的高分遥感图像分割算法研究

针对传统的图像分割算法不能完全适用具有多种特征〖BF〗（〖BFQ〗光谱特征、纹理特征和几何特征〖BF〗）〖BFQ〗的高分辨率遥感图像的问题,提出了一种基于多特征的遥感图像分割算法。算法基于改进的均值漂移滤波和自动标记分水岭分割方法来实现最终分割。首先利用自动标记分水岭分割方法对遥感图像进行分割,进而采用仿射不变矩形状特征算子提取图像几何特征;其次对图像进行主成分分析,计算第一主成分灰度共生矩阵,分析矩阵特性得出纹理特征;然后结合光谱特征通过改进的均值漂移方法得到多特征滤波结果;最后利用分水岭分割方法实现高分辨率遥感图像分割。为了表明算法的分割效果,利用基于多光谱信息熵方法对算法和单一的分水岭分割方法进行非监督评价。研究结果表明,算法可较好地改善遥感图像的过分割问题,是一种适合高空间分辨率多光谱遥感图像的分割算法。     

采用弱攻角补偿与脱敏设计的火星进入段制导

为提升火星进入段存在多种扰动时的制导末端精度,在现有三自由度脱敏设计的基础上,提出针对大气密度及升阻力系数波动的弱攻角补偿方法。通过攻角调整,协调升、阻力加速度测量值相对理论计算值的偏离程度,使加权形式的偏离程度指标趋近于1,从而降低气动参数波动对制导精度的影响。相平面分析和反证法证明了攻角调整过程的稳定性。蒙特卡洛仿真结果表明,该方法可达到较高的纵向末端状态精度。     

微小卫星星间测距在轨零值标定方法及应用

针对双程伪码辅助载波测距系统零值高精度标定的需求,提出一种适用于微小卫星星间测距系统在轨零值自标定的方法。该方法将测距单板的发射信号转化为接收信号,采用原有的测距算法获取测距单板的自身零值。基于该方法研制了相应的零值标定装置,实现零值测量模式和星间距离测量模式的切换。并采用实验的方法,对比不同信号强度及温度情况下的标定效果。实际测试表明,该方法所测零值稳定、结果可靠性高,同时具有较好的误差补偿效果,可作为一种新的在轨零值标定方法,其零值标定结果的不确定度可达0.18mm(2σ)。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。