基于CCSDS的低码率图像压缩优化算法

为了提高空间数据系统咨询委员会（CCSDS）采用的图像压缩算法的编码效率,提出了一种二维预测模型。通过利用图像像素之间的空间相关性对直流系数的预测模式及其熵编码算法进行改进和优化,该算法在有效地提高了直流系数的压缩比的同时,也增强了其抗误码性能。试验结果表明,该算法在低码率条件下能获得更好的图像编码质量,与CCSDS原有算法相比,峰值信噪比值提高了0.1~0.3dB。算法可极大地满足星载图像压缩数据在低码率下传输的要求。     

格栅反射器型面的主动控制

为了提高天线反射器的型面精度,以锆钛酸铅压电陶瓷（PZT）驱动的主控格栅反射器为研究对象,对该结构的力学建模方法和形状控制方法进行了研究。首先,建立了格栅反射器、PZT压电作动器一体化有限元模型。然后,采用影响系数矩阵法,以均方根误差最小为目标建立反射器型面主动控制优化模型,并通过最小二乘法求解作动器的最优控制律。最后,搭建了格栅反射器主动控制实验系统,以旋转抛物面为目标型面进行实验研究。实验结果表明,经主动控制后反射器型面精度提高了将近50%,且与仿真结果吻合较好,验证了一体化有限元建模方法的准确性和控制方法的有效性。     

基于INS/JTIDS组合的JTIDS相对导航

简要地介绍了联合战术信息分发系统(JTIDS)的相对导航原理,分析了低动态用户相对导航卡尔曼滤波算法对于高动态用户的局限性。在 INS/JTIDS 组合导航的基础上,探讨了 JTIDS的相对导航。     

平均相对运动方程及其在卫星编队构型维持中的应用

针对近地轨道卫星相对运动过程中的周期变化特性,利用轨道周期平均方法给出了平均相对运动方程,并在此基础上设计了两种编队构型维持策略.首先,推导出以轨道根数差分表示的平均相对运动方程,该方程能有效消除相对运动的周期性变化.其次,针对大气阻力摄动和J2项摄动,利用轨道平均根数的线性化递推公式,给出了平均相对运动轨迹的预报方程,通过事先预报编队飞行的平均轨迹,为编队构型设计和保持控制提供参考依据.最后通过数学仿真对两种编队构型维持策略进行了验证.     

塑性应变率的尺度效应

通过对相似模型中若干力学量和典型动力学实验中部分结果和结论的探讨分析，研究了动态载荷下率相关材料相似模型的尺度效应，阐述了塑性应变率具有的尺度效应对相似模型在动态载荷下的影响，指出了塑性应变率尺度效应的一个重要特征是，随着结构特征尺度的减小，其动力行为的应变率敏感效应增强。     

树脂基烧蚀材料细观传热特性预测

低密度树脂基烧蚀材料在近年来的深空探测等航天器上得到了广泛的应用,为了更好地提高其隔热能力,需要对其传热机理进行分析,尤其是基于细观尺度的传热分析可以更好地探究其传热机理。依据对树脂基烧蚀材料的细观结构观测和统计分析,建立了不同尺度的单胞理论模型,并将计算结果与实验值进行比较,给出参数化影响规律。同时,建立了有限元随机模型,与实验值进行比较,并给出了基于有限元的参数化影响规律。结果表明,建立的单胞理论模型与实验值的误差,对于两种树脂基烧蚀材料,分别为12%和7.6%左右,从而验证了建立的理论模型的正确性;随机模型所得导热系数值与实验值误差在10%以内,验证了随机模型的正确性。所建模型和参数化分析所得规律对于树脂基烧蚀材料隔热性能的提高和加工工艺的改进具有重要意义。     

平面运动中的摩擦力

本文提出一种摩擦力和速度的连续关系式,并把非连续、非线性的方程包括在这个关系式中,解出各种情况的法向反力。     

竹象虫后翅结构力学和空气动力学特性

为研究长足大象甲后翅结构特性和飞行过程的空气动力学特性,建立长足大象甲后翅翅脉特征曲线的数学模型,利用有限元软件对其进行均匀载荷、垂直载荷和扭转载荷3种不同载荷下的静态分析和模态分析。基于嵌套网格法在Fluent软件中模拟后翅上下扑动,分析不同扑动幅值、扭转角度和扑动频率下的后翅升力系数和阻力系数变化规律。结果表明：长足大象甲后翅翅脉分布具有良好的结构刚度和承载能力,在受到不同载荷时,位移和应力的变化较小,结构稳定性较强,并且后翅振动频率为90.312 Hz,与同类昆虫相比,更符合微型扑翼飞行翼研发要求。此外,模拟试验表明长足大象甲后翅可以通过改变扑动幅值、扭转角度和扑动频率来提高升力和推力以实现特技飞行。     

新一代地球同步轨道气象卫星结构热变形分析

根据用MSC.PATRAN软件建立的整星有限元模型,对某地球同步轨道(GEO)气象卫星的结构热变形进行了计算。分析建模中铝蜂窝夹芯板线膨胀系数和未考虑板厚时热载荷场的影响。给出了高/低温、铝合金/碳纤维蒙皮四种不同工况的整星最大变形和有效载荷安装板对地变形角,并由此得到了整星和有效载荷板Y向的热变形图。分析结果表明,结合相关型号热真空试验数据,该法可有效地准确获得整星的热变形,对工程设计具有一定的参考价值。     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。