一种基于历史遥测数据的在轨卫星故障预警系统

对在轨卫星遥测数据的变化规律进行了分类,研究了数种主流的数据预测理论并分析了其适应性,由此提出了一种基于历史遥测数据的在轨卫星故障预警系统构架,并定义了其中各模块的功能以及接口关系,给出了实际应用的效果。这个系统对及早发现故障、维持在轨卫星的安全稳定运行具有重要价值。     

超光谱成像仪成像电路的设计与实现

超光谱成像仪是环境减灾-1A卫星的主载荷之一,也是我国第一台采用静态干涉型光谱成像技术的星载遥感相机。成像电路是超光谱成像仪的核心组件之一,文章介绍了超光谱成像仪成像电路的系统组成,以及各功能模块的结构、功能和设计原理。     

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

无人机气动力地面车载测试系统

介绍了中国航天空气动力技术研究院开发的一种用于测量全尺寸无人机气动力的地面车载测试系统（GTV）。车载测试系统采用一辆中型卡车进行相关改造,将试验无人机机身安装在其顶部,通过汽车牵引能够达到40km/h的速度。一套专用的测试天平系统和数据采集系统用于记录试验中无人机产生的升力、阻力以及俯仰力矩等数据。主要介绍测试天平系统的设计,数据采集测试系统,测试方法和试验结果。多元静态原位校准加载结果表明天平测试系统输出信号线性度以及重复性较好。动态校准试验采用一副定常展弦比6的机翼进行,试验结果与已知的风洞试验数据进行了比对。车载测试系统试验结果的升力和俯仰力矩数据不同车次之间重复性较好,并且与风洞试验数据基本一致。但阻力数据的离散度要比风洞试验时大得多,并且试验结果比风洞试验时偏小一些,试验证明地面车载测试系统的阻力测量难度较大。     

GRIB数据及其在航迹预测中的应用

四维航迹预测的准确性是轨迹运行与空管决策支持的基础,而高空风数据支持下的气象建模是提高航迹预测准确性的关键。通过解析GRIB格式的风数据,获取各高度层的风速和风向,同时依据风对地速、航向的影响进行四维航迹预测建模,利用浦东机场的进场航班实现仿真验证,将预测结果与实际雷达轨迹对比,验证了风影响下四维航迹预测的准确性。     

基于经验的工程变更传播路径预测方法

 针对航空产品工程变更不易预测传播路径的问题,本文利用信息论和统计学的有关原理,提出了一套基于经验的工程变更传播路径预测方法。利用熵和互信息的概念,从海量经验数据中获取在预测过程中起到重要作用的参数;以其为样本空间,提出了一种从语义和变更影响两个角度计算变更参数相似度的算法;基于贝叶斯公式,分析了多因素情况下,相关参数的被影响概率,以此作为判断变更路径的依据;最后,以某型号航空涡轮叶盘为例对本文方法进行了验证,结果表明本文方法具有一定的准确度和优越性。     

利用热平衡试验稳态数据修正对接机构热模型

根据热平衡试验数据与计算结果的比较,分析两者存在差异的原因,用热平衡试验稳态工况数据修正对接机构热模型中的单元划分和热网络方程。研究了对热网络方程修正的方法,基于参数化和节点群概念改进参数化节点群整合方法,以明显减少需修正系数的数量,并与分级修正和局部修正综合,提高热网络修正方法的实用性。算例表明：通过热模型修正使温度计算值与试验值的偏差达到允许的要求,表明该热模型修正方法有效。     

星地遥感数据压缩的差分编码方法研究

为了提高星地传输的工作效率,文章以信息论为理论基础,提出一种差分编码方法用于星地遥感数据的传输。同时,鉴于地表覆盖本身的不确定度与应用需求的不同,提出了分区预测差分编码与保持立体测量精度的差分编码。这两种压缩策略可进一步显著提高差分编码的压缩比。     

Changes in hyperspectral reflectance signatures of lettuce leaves in response to macronutrient deficiencies

The adaptation of specific remote sensing and hyperspectral analysis techniques for the determination of incipient nutrient stress in plants could allow early detection and precision supplementation for remediation, important considerations for minimizing mass of advanced life support systems on space station and long term missions. This experiment was conducted to determine if hyperspectral reflectance could be used to detect nutrient stress in Lactuca sativa L. cv. Black Seeded Simpson. Lettuce seedlings were grown for 90 days in a greenhouse or growth chamber in vermiculite containing modified Hoagland’s nutrient solution with key macronutrient elements removed in order to induce a range of nutrient stresses, including nitrogen, phosphorus, potassium, calcium, and magnesium. Leaf tissue nutrient concentrations were compared with corresponding spectral reflectances taken at the end of 90 days. Spectral reflectances varied with growing location, position on the leaf, and nutrient deficiency treatment. Spectral responses of lettuce leaves under macronutrient deficiency conditions showed an increase in reflectance in the red, near red, and infrared wavelength ranges. The data obtained suggest that spectral reflectance shows the potential as a diagnostic tool in predicting nutrient deficiencies in general. Overlapping of spectral signatures makes the use of wavelengths of narrow bandwidths or individual bands for the discrimination of specific nutrient stresses difficult without further data processing.