美国下一代深空网发展计划探析

为适应未来美国深空探测的任务,此前美国NASA(National Aeronautics and Space Administration,国家航空航天局)对它的深空网发展的技术现状与能力进行了评估,梳理出了它们在未来深空任务中上下行通信速率需求,从而制定了美国下一代深空网的发展战略.针对此战略,梳理分析了美国深空网近年在深空通信导航领域开展的多项重大技术革新与演示验证试验,并从中剖析总结出了它的下一步的技术发展路线,期冀为我国深空测控网技术发展策略的制定提供参考.     

机器学习在湍流模型构建中的应用进展

借助于高性能计算机和数据共享平台的发展,研究者可以获取大量的高分辨率湍流计算数据。近年来,随着深度神经网络等人工智能技术的发展,数据驱动的机器学习方法也开始应用于湍流模型中不确定度的量化以及模型的改进和构建中。湍流大数据与人工智能相结合是湍流研究的一个新领域。研究者在取得一定成果的同时也面临着诸多困难和挑战,例如模型的泛化能力和鲁棒性等。模型构建过程包含了数据处理、特征选择以及模型框架的选取与优化等诸多方面,这些方面在不同程度上影响模型的性能。本文从机器学习在湍流建模过程中的实现方法和模型的不同作用两方面分析总结了目前主要的研究工作进展,并对这类问题面临的挑战和未来的研究展望进行了阐述。     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

利用神经网络的海杂波幅度分布参数估计方法

海杂波是制约对海雷达探测性能的主要因素之一,掌握其特性,具有十分重要的意义。经典海杂波统计模型在参数估计方法上以传统统计学理论为基础,在样本数较少的情况下,估计结果往往较差,导致建模准确度下降。此外,在复杂非均匀探测背景下,难以实现海杂波模型参数的准确实时估计。针对该问题,文章将深度神经网络模型引入海杂波参数估计领域,通过构建合理的模型,使其具备海杂波幅度分布模型的高精度参数估计能力。该方法采用直方图统计的方法进行数据预处理,合理划分输入数据标签的分组区间,构建数据集训练神经网络,并利用测试数据得到神经网络估计结果。仿真数据和X波段IPIX雷达实测数据验证结果表明,与传统数理统计估计方法相比,该算法明显提升了海杂波统计模型参数估计精度。     

基于X射线脉冲星的深空探测自主导航方法

自主导航是实现深空探测任务的关键技术,基于X射线脉冲星的导航方法可靠、稳定、精度高,不受近地空间的限制,为深空自主导航提供了全新的思路。文章分析了X射线脉冲星导航的基本原理,提出了脉冲到达时间预报算法和整周模糊度求解方法,基于最小二乘理论研究了位置估计算法。仿真算例表明该方法在脉冲星方位误差为0.001弧秒、脉冲到达时间测量误差为1μs的情况下,140d飞行时间中定位精度优于10km,且对初始误差不敏感,可以满足深空探测的导航需要。     

弱太阳闪烁对深空通信的影响

行星聚合和太阳闪烁是影响深空通信的重要因素. 分析了行星聚合和太阳闪烁的物理特性, 建立了弱太阳闪烁条件下深空通信信道的Rician 模型, 并得出了当Rician 因子大于10 dB 时近似为高斯信道的结论. 对弱太阳闪烁下X 波段和Ka 波段的通信性能进行了仿真, 这对建立可靠的深空通信链路具有十分重要的意义.      

舵面电动加载系统的自适应CMAC复合控制

针对无人机舵面电动加载系统具有非线性及多余力矩的特点,提出了一种自适应CMAC(Cerebellar Model Articulation Controller)神经网络与自适应神经元控制器并联构成复合控制结构.该控制策略以系统的指令输入和实际输出作为CMAC的激励信号,以系统的当前控制误差作为CMAC的训练信号.提出了利用误差在线自适应调整学习率的方法,消除了常规前馈型CMAC的过学习和不稳定现象.建立了无人机舵面电动加载系统的数学模型,给出了具体的控制结构和算法.仿真结果表明:该方法有效抑制了加载系统的多余力矩,增强了系统的稳定性,明显改善了舵面电动加载系统的动态性能.     

全太阳系深空探测轨迹全局优化(英文)

针对太阳系中全部的248997颗行星的探测问题,给出了一种关于探测飞行器的深空探测全局四维轨迹(t,x,y,z)优化方案,即飞行器从地球发射进入太阳系并采用小推力控制,优化方案的性能指标为飞行器与太阳系中全部行星中相遇和交会的星的数量最多并且燃料消耗最少。本方案给出了四维飞行轨迹进行全局优化的一套算法,该算法由搜索算法和四维轨迹优化算法组成。此搜索算法从太阳系的248997颗行星中寻找获得尽可能多的经过近地球3维走廊内的行星;而四维轨迹优化算法由改进的动态规划算法、基于最优控制理论的共轭梯度算法和静态参数优化算法组成,其中静态参数优化算法用于搜索最优发射时间窗口。基于该组合算法,通过长时间的大规模的飞行数字仿真,最终计算出探测器的四维最优飞行轨迹,在一年内路过了太阳系中全部行星中的12颗行星。     

深空遥测系统中信道编码简述

由于深空信道的极低的信噪比,具有高增益的信道编码技术是深空遥测系统必不可少的环节。总结了深空通信领域中曾经使用的或可能使用的各种典型的信道编码包括卷积码、级联码、TURBO码和LDPC码方式,并对各种编译码方式的特点进行比较,给出其性能仿真。最后,对深空通信信道编码技术(包括TURBO接收机、LDPC码的应用以及编码调制技术)未来发展作展望。