长寿命通信卫星的可靠性研究

在广泛调查国内外通信卫星工程资料的基础上,考察了它们的轨道性能与寿命情况,分析了影响卫星寿命和可靠性的因素。空间环境(特别是ESD,ID,SEU)是影响卫星性能和寿命的一个重要因素,本文就为避免和减少环境效应影响的工程方法,即“卫星的环境免疫工程”进行了探究。分析与确认影响卫星长寿命的关键项目,针对关键项目进行可靠性设计和控制,是整星长寿命的保证因素,本文结合工程实际问题研究了长寿命卫星的设计策略,对较成熟的设计经验作了综述,并对需进一步研究的课题作了探索。     

象征型拟微分算子的L^2—有界性

证明了象征型拟微分算子的一个Ｌ＾２有界性定量，其中象征ａ｛ｘ，ζ｝关于ｘ的正则性条件被进一步减弱了。在某种意义下，该结果给出了定量Ａ与定理Ｂ之间的联系。     

应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。     

采用改进非支配近邻免疫算法的低轨混合星座设计优化

针对低轨同构星座覆盖资源在纬度上分布不均匀的不足,提出采用低轨混合星座提升覆盖均匀性的设计方案,并推导了满足全球任意点平均每天覆盖一定次数的最小卫星规模估算公式。针对非支配近邻免疫算法（NNIA）约束处理方面的不足,提出基于约束支配的改进非支配近邻免疫算法（Modified NNIA）,并以此设计了一种低轨混合星座优化平台来优化带约束的星座设计问题。仿真结果表明,改进的NNIA算法在收敛速度和多样性上均优于非支配分层遗传算法（NSGA II）和多目标粒子群算法（MOPSO）,可大大提高星座设计的效率。同时优化结果也表明低轨混合星座可提高覆盖的均匀性和大部分区域的覆盖次数,进而减少特定覆盖要求所需的卫星数目。     

涡轮叶片CT图像边缘提取的最优算子研究

为了解决叶片计算机断层(computed tomograghy,简称CT)图像边缘提取精度低效率差的问题,以解析法提取边缘的理论为基础,推导了适用于CT图像边缘提取的最优算子,并通过定量计算与模拟标准图像对最优算子的性能进行了分析,结果表明最优算子在抗噪、定位精度以及单像素响应等方面都比传统的边缘提取算子更为优越.实际应用最优算子提取的叶片边缘更光顺,噪声点以及伪边缘更少,进一步证明了最优算子在CT图像边缘提取方面有着明显的优势.      

多飞行器协调航迹规划方法

针对多飞行器的协调航迹规划展开研究，提出了一种基于协同进化的多飞行器协调航迹规划算法。在该算法中，不同飞行器的潜在航迹形成它们自己的子种群，并在于种群内部进化。不同飞行器间的协调关系由航迹的评价函数来实现。同时，通过使用特定的染色体表示方法和进化算子，该算法可以有效利用各种环境信息，处理各种航迹约束，并实时地生成三维航迹。     

基于卫星云图的大区域云层预测方法

云层覆盖是影响对地观测卫星成像的一个重要问题,如果遥感图像中云层比例太高,或者特定目标不可见,则遥感图像就会失效。对地观测卫星能够根据云层预测信息,在多个观测目标之间进行选择。面向对地观测卫星任务规划的应用,设计了大区域范围的短期云层预测方法,首先通过光流法获取云运动矢量,然后依据云运动矢量外推获得预测的云层图像,同时引入拉普拉斯算子刻画云层运动过程中的扩散现象,利用风云二号卫星的真实云图序列数据,通过神经网络的反向传播算法优化扩散因子,以提升云层预测的效果。通过对结果进行分析,引入的拉普拉斯算子方法能够提高云层预测的精度,80%分位数的云层覆盖率误差约为11.7%,该精度的云层预测可以用于指导对地观测卫星任务规划。     

免疫反馈算法及其在航空发动机控制中的应用

基于生物免疫系统的反馈机理,针对现有免疫反馈算法在系统超调后性能恶化的不足,提出了一种新型的免疫反馈算法。该算法考虑了系统超调后的免疫响应过程,补充给出了系统超调初期、中期及后期的免疫规则。仿真结果表明,基于新型免疫规则的PID控制器超调更小、响应更快,抗干扰能力强,十分适用于大惯性对象和超调量大的系统。     

新型进化神经网络模型

目前的进化神经网络模型大多采用遗传算法进行网络进化设计.而研究表明,这种进化神经网络存在遗传编码、遗传操作及网络结构限制等很多问题;而采用进化规划是一种很好的途径.鉴于此,为了克服传统进化规划算法的不足,结合作者提出的快速免疫进化规划提出了一种网络连接权值及其拓扑结构同时进化优化的新型进化神经网络模型.最后,通过典型的异或分类问题(XOR)比较了该模型同BP神经网络及传统进化神经网络的计算性能,发现它不但计算精度好,而且计算效率高.      

超机动导弹的神经网络控制系统

 研究了应用于具有超机动能力的导弹的非线性神经网络控制系统.利用神经网络可以任意逼近非线性函数的能力,来学习超机动导弹在大迎角状态下的高度非线性动态特性的逆动态特性,得到对参数变化及未建模动态具有较好鲁棒性的控制系统.为了改善神经网络的学习能力和学习算法的稳定性,对学习增益做了模糊化处理.数字仿真结果说明了该控制方案可以达到预期效果.