基于磁路法与等效热网络法的航天 永磁同步电机设计与仿真

针对航天永磁同步电机方案初步设计耗时长、过度依赖商业软件的问题,基于磁路法和热网络法,提出了一套方案设计阶段航天永磁同步电机磁热性能快速预估与仿真方法。给出了定子内径、定子外径、铁芯长度、匝数等关键参数的取值准则,建立了包含36个节点集总参数热网络模型,并以端部绕组为例给出了热平衡方程的详细推导过程。通过与成熟商业软件对比,其电磁计算最大误差出现在电流有效值上,偏差值为607%;与样机实测值对比,绕组温升最大误差为73%,满足方案设计阶段预示精度要求,为方案设计阶段航天永磁同步电机快速性能预估提供有力支撑。     

天地一体化信息网络空间激光通信新技术

空间激光通信是提升天地一体化信息网络传输速率、组网能力、信息安全的重要途径。结合天地一体化信息网络特点,总结国外空间激光通信技术的发展状况,分析有望应用于天地一体化信息网络中的空间激光通信新技术及其优势。希望通过借鉴国外空间激光通信技术发展的经验与启示,促进我国空间激光通信新技术的发展以及天地一体化网络的建设。     

一种利用剩磁标定的星光/磁测备份自主导航方法

针对空间机动平台GNSS导航系统易受干扰的缺陷,提出一种基于剩磁标定的磁测/星光备份的自主导航方案。当GNSS信号完好时,利用GNSS高精度测量信息和磁强计/星敏带剩磁干扰的联合测量信息不仅可实时估计出机动平台导航参数,同时准确标定出运行环境的剩余磁场强度;当GNSS信号受干扰中断时,在剩磁准确标定的基础上启用磁场/星光备份自主导航方案完成机动平台的导航参数实时估计。由仿真结果可知,当GNSS信号正常时该导航方案具备较高的剩磁标定精度,三轴标定误差为0.026nT,0.293nT,0.107nT;而当GNSS信号受干扰时,备份导航方案三轴位置估计误差为87.3m,172.5m,65.2m,三轴速度估计误差为0.78m/s,0.86m/s, 1.04m/s。 仿真结果表明该方案具备较强的可行性。     

星座自主导航系统设计与实现

基于星间测量的星座自主导航系统的设计与实现，方案中针对计算量过大问题，引入分组并行机制。在充分分析卫星轨道动力学的基础上，利用卫星网的网形约束进行整网平差，首次提出动力学和几何法相结合的自主导航算法。通过实际GPS数据进行仿真与检验，仿真结果表明：该方法精度高，满足卫星星座自主生存的要求，设计方案可行。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

劳（Lao）喷管扩张段优化设计的数值方法研究

本文建立了火箭发动机喷管扩张段优化设计（Lao喷管）的型面曲线近似作图法的数学模型，将作图法转化为等价的优化问题，并给出了优化问题解的迭代方法，最后采用泛函网络的方法对离散的数值解进行了曲线拟合，以便于数控加工的编程。     

天地一体化遥感信息应用网络体系的发展

随着世界各国发射入轨的航天器的增多 ,由多种遥感卫星系统组成的 ,包括地面应用系统在内的天地一体卫星应用网络体系即将形成。文章介绍了国外天地一体化网络系统建设方面的现状与趋势 ,分析了天地一体化遥感信息应用网络体系的特点 ,并指出了中国建设天地一体化遥感应用网络体系的必要性     

Predictive fault-tolerant control of an all-thruster satellite in 6-DOF motion via neural network model updating

The problem of controlling an all-thruster spacecraft in the coupled translational-rotational motion in presence of actuators fault and/or failure is investigated in this paper. The nonlinear model predictive control approach is used because of its ability to predict the future behavior of the system. The fault/failure of the thrusters changes the mapping between the commanded forces to the thrusters and actual force/torque generated by the thruster system. Thus, the basic six degree-of-freedom kinetic equations are separated from this mapping and a set of neural networks are trained off-line to learn the kinetic equations. Then, two neural networks are attached to these trained networks in order to learn the thruster commands to force/torque mappings on-line. Different off-nominal conditions are modeled so that neural networks can detect any failure and fault, including scale factor and misalignment of thrusters. A simple model of the spacecraft relative motion is used in MPC to decrease the computational burden. However, a precise model by the means of orbit propagation including different types of perturbation is utilized to evaluate the usefulness of the proposed approach in actual conditions. The numerical simulation shows that this method can successfully control the all-thruster spacecraft with ON-OFF thrusters in different combinations of thruster fault and/or failure.