天/地基多平台空间目标光电观测时效性分析

针对如何部署光学探测设备才能更好实现对空间目标的高精度高频度监视问题,考虑光照条件、相对关系及探测性能,构建了天/地基空间目标探测与成像仿真模型;按照轨道特征选取了94颗LEO（Low Earth Orbit,低地球轨道）卫星、63颗GEO（Geosynchronous Earth Orbit,地球同步轨道）卫星和18颗大椭圆轨道卫星,选用春夏秋冬典型季节的特定时间长度,仿真分析了国内地基、南北极科考站、LEO卫星、准GEO卫星等多平台光电手段的位置探测和成像观测能力;比对分析地基平台纬度和季节、天基平台轨道高度和倾角对探测能力的影响得出：南北极科考站相比于国内站点可提高重点季节的探测时效性,98°倾角LEO平台对低轨目标成像时效性方面更具优势,等.在此基础上,提出了我国空间目标光电观测设备天地一体的布局构想.     

一种跳跃式返回再入的预测—校正制导方法

再入地球大气是探月飞船返回的关键阶段,再入制导是返回再入中的难点问题.飞船跳跃式再入过程复杂,标准轨道制导方法难以满足任务要求,因此具有高精度和强鲁棒性的预测—校正制导方法成为解决问题的首选.以探月飞船跳跃式再入为背景,设计了数值预测—校正制导律,研究了基于嵌套式积分算法的航程快速预报方法和基于有界试位法的倾侧角剖面快速更新算法,提出了一种气动系数误差和大气密度误差的在线参数辨识方法,并基于最大偏差法和蒙特卡洛打靶法进行了仿真分析.结果表明,预测—校正再入制导方法在跳跃式再入问题上具有较高的精度和较好的鲁棒性.5 000 km再入航程时,开伞点误差在2.5 km以内.     

基于动态面法的导弹制导控制一体化设计方法研究

为避免传统导弹制导和控制系统单独设计存在的缺陷,将两个系统综合考虑,提出一种制导控制一体化设计方法。首先推导出俯仰通道的制导控制一体化数学模型,并化为级联形式;然后引入动态面方法并结合非线性干扰观测器技术,提出了一种基于非线性干扰观测器的积分动态面一体化制导控制系统设计方法,在每一个子系统设计时引入误差的积分项以消除稳态误差,提高了子系统的跟踪精度;采用Lyapunov函数对系统稳定性进行了分析;最后通过仿真验证了所提出的一体化控制算法的有效性。     

面向应急条件的多星动态调度方法

 针对应急条件下多星动态调度问题,建立了多目标数学规划模型,提出了应急条件多星成像任务合成策略:建立多星多轨任务合成图(MSMOTMG)模型,提出任务合成算法CP-TM。为克服合成导致任务成像机会减少的缺陷,提出了基于合成任务分解的修复技术。此外,为进一步提高调度效率,考虑了任务在等待队列中的向后移位策略,提出了综合考虑任务合成、修复和向后移位的多星动态应急调度(TMRBS-DES)算法。通过大量模拟实验,将TMRBS-DES算法同RBHA算法,以及3个baseline算法(BS-DES、TMR-DES和TMBS-DES)进行了比较。实验结果表明TMRBS-DES算法提高了调度质量,适用于应急条件下多星动态调度问题。     

变结构制导规律及其实现

由于变结构控制的滑动模态具有完全的自适应性,不必全面研究系统的各种摄动及外干扰,只需根据高速度大机动目标的特点,对其实现自适应,将各种干扰及偏差的影响归人有关增益系数上加以考虑。应用变结构滑膜控制理论,推导了出一种适用于拦截高速大机动目标的空间制导规律,该制导规律能将系统引向滑动面并保持在其上运动。算例仿真证明,变结构项保证了对目标机动的鲁棒性,简单易行利于工程实现。     

事故车辆油漆物证分析-比对系统的建立

在已建立的事故车辆物理信息和光谱信息的油漆样本数据库的基础上,建立油漆物证比对系统。根据相关系数所表现的特征,实现对未知样本属性范围的确定,找出数据库中与其相关度较高的部分油漆样本,再根据数据库中同一车辆信息具有同一序号的特点,找出与油漆对应的车辆,即与案件现场最接近的嫌疑车辆,为肇事逃逸案件的破获提供数据依据。     

红外导引系统快速原型仿真中的场景生成技术

介绍了基于Vega视景引擎红外场景生成方法,并应用于基于RT—LAB快速原型平台空空导弹红外导引系统快速原型仿真。设计了空空导弹红外导引系统快速原型仿真框架,根据框架建立了弹目6自由度运动学／动力学、红外导引系统Simulink仿真模型及目标等三维几何模型,采用Vega传感器模块和粒子系统模块实现目标各部件温度和干扰弹的自定义设置,同时针对快速原型实时仿真的要求设计了高精度的帧频控制方法。将红外场景生成软件与某空空导弹快速原型仿真系统进行联合仿真进行验证,对空空导弹导引系统的研制与开发起到了重要作用。     

红外可见光双目系统像素级快速融合方法

红外 可见光双目系统既能感知目标的温度，又能获取目标的颜色、纹理信息，在日常生活和工业产生中获得较多的应用.红外相机由于和可见光相机成像机制的不同，在标定过程中往往需要使用不同的靶标.本文提出了一种红外 可见光双目系统像素级的快速标定融合方法，通过设计了一种圆孔形靶标，实现了一步法标定，在可见光相机像素坐标系下像素质心标定精度小于1个像素，可用于大批量的低成本的民用红外标定产品系统.     

Concurrent image-based visual servoing with adaptive zooming for non-cooperative rendezvous maneuvers

An image-based servo controller for the guidance of a spacecraft during non-cooperative rendezvous is presented in this paper. The controller directly utilizes the visual features from image frames of a target spacecraft for computing both attitude and orbital maneuvers concurrently. The utilization of adaptive optics, such as zooming cameras, is also addressed through developing an invariant-image servo controller. The controller allows for performing rendezvous maneuvers independently from the adjustments of the camera focal length, improving the performance and versatility of maneuvers. The stability of the proposed control scheme is proven analytically in the invariant space, and its viability is explored through numerical simulations.     

Deep reinforcement learning for six degree-of-freedom planetary landing

This work develops a deep reinforcement learning based approach for Six Degree-of-Freedom (DOF) planetary powered descent and landing. Future Mars missions will require advanced guidance, navigation, and control algorithms for the powered descent phase to target specific surface locations and achieve pinpoint accuracy (landing error ellipse <5 m radius). This requires both a navigation system capable of estimating the lander’s state in real-time and a guidance and control system that can map the estimated lander state to a commanded thrust for each lander engine. In this paper, we present a novel integrated guidance and control algorithm designed by applying the principles of reinforcement learning theory. The latter is used to learn a policy mapping the lander’s estimated state directly to a commanded thrust for each engine, resulting in accurate and almost fuel-optimal trajectories over a realistic deployment ellipse. Specifically, we use proximal policy optimization, a policy gradient method, to learn the policy. Another contribution of this paper is the use of different discount rates for terminal and shaping rewards, which significantly enhances optimization performance. We present simulation results demonstrating the guidance and control system’s performance in a 6-DOF simulation environment and demonstrate robustness to noise and system parameter uncertainty.