月球探测器姿态大角度机动的反作用轮控制

研究了月球探测器转速与控制力矩受限的姿态大角度机动问题。根据时间变尺度思想，提出了双回路反馈的姿态大角度机动控制方法。以某型月球控测器为例，对该方法进行了仿真验证。结果表明，利用该控制方法，可使探测器以期望的角速度转动，从而完成探测器的姿态大角度机动。     

三轴稳定卫星无陀螺姿态确定算法研究

针对三轴稳定卫星进行了正常飞行模式下无陀螺姿态确定算法研究，采用磁强计、地球敏感器和太阳敏感器组合获得姿态数据，利用四元数法和高斯－马尔可夫过程建立了姿态确定估计器算法模型。通过数学仿真证明，此姿态确定算法能够对星体姿态进行较精确的估计或校正，满足卫星控制精度要求。     

GPS载波相位在大型载体姿态测量中的应用

本文针对舰船等大型栽体的姿态测量，采用GPS载波相位双差测量法来确定载体的姿态，应用载波相位确定栽体的姿态需要解决的关键问题是整周模糊度的确定。文中利用空间几何关系，来压缩模糊度的搜索空间，以加快模糊度的解算速度。通过静态和动态试验对文中的方法进行了检验，在静态用3．48米长的基线其偏航角精度优于0．06度，动态时用3．48米长基线来验证了算法的正确性。通过试验该测姿系统在实时性、精度、可靠性等方面能满足精确定姿要求，是实现动基座惯性导航系统快速初始对准的重要手段之一。     

基于GPS与磁强计组合的姿态确定

提出了一种基于信息融合的姿态确定方法用于姿态确定。利用星上的GPS接收机和磁强计两种敏感的测量，基于广义卡于尔曼滤波理论及信息融合理论，发展了基于此两种敏感器的全局最优融合估计算法。来确定卫星的姿态和姿态角速度。并对处法进行了设计和仿真，通过与单独使用GPS确定姿态的算法进行对比分析。结果验证了该算法进行对比分析，结果验证了该算法的优越性。     

面向空间太阳能电站应用的超大规模天线阵列模块尺寸与姿态偏差效应分析

空间太阳能电站微波能量传输需要具备超大规模的相控阵列波束形成和超高精度的波束指向控制能力。采用大尺寸的基本相控电单元能够缩减天线阵列规模和微波发射通道数目,从而显著降低微波能量发射系统的构造和组装成本。然而,相控单元的尺寸越大,对天线模块的结构刚性和姿态控制精度要求越高。基于天线阵列的结构化构型设计,提出超大规模回复反射阵列的结构模块和相控电单元的尺寸分析模型,推导得到结构模块姿态偏差、电单元尺寸要求和能量传输效率的近似关系及其解析表达式,可供作为空间太阳能电站微波传能天线阵列及其波束控制方案设计的参考依据。     

虚拟测试技术在卫星研制中的应用

针对卫星研制过程中技术难度跨越大和“阶段交叠,多线并行”等问题,提出一种虚拟测试技术.该技术以虚拟测试平台为依托,将星上软件嵌入虚拟目标机中,并将其与动力学仿真软件、部件仿真软件和自动化测试软件共同运行于一台PC机上,实现了软件运行的真实底层环境、软件各项功能、对外接口的模拟.虚拟测试具备“全软件工作”和“半实物工作”等多个模式,既能采用全虚拟部件运行,也支持接入真实部件,可应用于卫星各个研制阶段.和传统纯硬件测试相比,虚拟测试大大提前了测试时机,丰富了测试手段,同时缩短了测试周期,提高了卫星研制效率,节约了研制成本,具有较强的工程推广价值.     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。