基于MDO方法的月球探测卫星总体设计

根据月球探测卫星任务及环境的特点,在将多学科设计优化(MDO)方法用于卫星总体概念阶段的设计。分析了卫星总体设计中轨道设计、卫星设计和发射选择间的耦合关系与协同效应,建立了MDO的简化模型。用单级整体优化策略(AAO)和多岛遗传算法(MIGA)进行优化。算例结果表明,MDO简化模型可有效解决卫星概念设计阶段中的多学科耦合。     

弹道跟踪系统的数据融合

本文应用近代时序分析方法、样条函数和非线性回归分析理论，研究了弹道参数、系统误差及测量随机误差统计特性参数的联合估计问题，给出了各类参数的高精度估计。理论分析和仿真计算表明：本文所建的模型准确，参数估计方法精度高，应用本文方法能明显提高弹道跟踪数据质量。     

SMOS与Aquarius卫星海表盐度测量方法及数据的对比分析

国际上发射的海表盐度遥感卫星主要有2颗:欧洲的SMOS和美国的Aquarius卫星,为给后续海表盐度遥感提供参考借鉴,对比分析了这2颗卫星的遥感器载荷、数据处理算法和盐度数据。遥感器载荷方面,SMOS采用L波段二维综合孔径辐射计,而Aquarius采用L波段实孔径辐射计加散射计;数据处理算法方面,分析了二者在介电常数模型、海面粗糙度校正以及反演算法方面的差异;盐度数据方面,分析了SMOS与Aquarius盐度数据之间的相关程度,并分别与ISAS(In Situ Analysis System)浮标盐度数据作对比,分析了2颗卫星的盐度数据精度。将2颗卫星的盐度遥感数据与ISAS浮标盐度数据对比发现,在全球范围内,Aquarius盐度测量精度优于SMOS;但在开阔海域,SMOS盐度测量精度优于Aquarius;而在近海岸区域,均出现较大的误差,且SMOS数据误差更大。     

基于虚拟落点策略的月球返回飞船再入制导方法

针对长航程大偏差状况下阿波罗再入制导算法的精度退化问题提出改进,采用数值预测-校正方法规划和调制线性参数化的倾侧角剖面,给出了一种在全航程包络内适用的月球返回飞船再入制导方法。引入虚拟落点策略,在一次再入段利用算法预测能力预测二次再入段初始侧向偏差并进行前馈补偿,给出了简便有效的虚拟落点瞄准程序。大偏差任务想定下的蒙特卡洛仿真分析表明,该算法在3000km到10000km的再入航程范围内,能够确保偏差小于3km的落点精度。     

基于天文和陆标观测的月球卫星自主导航方法

随着我国月球探测工程的开展,为弥补地面测控的局限性,月球卫星的自主导航技术已成为     

基于ARIMA模型的拉萨降水量时间序列分析与预测

应用差分自回归滑动平均模型（ARIMA）模型对西藏拉萨地区1969年至2009年的年降水量资料进行建模分析。建立的模型通过了参数的显著性检验和模型的显著性检验。模型的实证分析表明在短期内模型具有较高的预测精度,ARIMA模型可以较好的应用于降水量的预测,对相关部门采取措施应对自然灾害提供了理论支持。     

沉井技术在码头改造工程中的应用

沉井依靠自重消除刃脚阻力和外壁摩擦力下沉,本文对该项工艺的下沉、纠偏、挖土、封底主要技术问题进行介绍。     

月面地形地貌环境模拟初步研究

文章介绍了在月面巡视探测器室内试验场建设过程中有关月面典型地形地貌环境模拟的初步工作。通过现有关于真实月壤的物理机械性质的总结,考察了利用火山灰模拟月壤的可能性。通过对比分析两者主要的物理机械性质,可以得出:利用加工的火山灰模拟月壤用于月面巡视探测器移动性能等试验研究是可行的。为今后深入研究月面地形地貌和月面巡视探测器的地面试验进行了有益的尝试。     

首颗自主地月转移微卫星“龙江二号”

本文对世界首颗独立完成地月转移、近月制动、环月飞行的微卫星“龙江二号”进行了介绍。首先阐述了龙江二号的任务目标和总体方案;然后重点分析了轨道设计与控制、复杂电磁干扰的标定与抑制、宽视场三维基线干涉测量等关键技术难点;接着回顾了任务的实施过程;最后详细介绍了低频射电探测仪、沙特光学相机和VHF/UHF通信模块与学生微型CMOS相机等有效载荷,并展示了上述载荷获取的初步成果。     

Median filtering algorithms for multichannel detectors

Particle detectors of worldwide networks are continuously measuring various secondary particle fluxes incident on Earth surface. At the Aragats Space Environmental Center (ASEC), the data of 12 cosmic ray particle detectors with a total of ∼280 measuring channels (count rates of electrons, muons and neutrons channels) are sent each minute via wireless bridges to a MySQL database. These time series are used for the different tasks of off-line physical analysis and for online forewarning services. Usually long time series contain several types of errors (gaps due to failures of high or low voltage power supply, spurious spikes due to radio interferences, abrupt changes of mean values of several channels or/and slowly trends in mean values due to aging of electronics components, etc.). To avoid erroneous physical inference and false alarms of alerting systems we introduce offline and online filters to “purify” multiple time-series. In the presented paper we classify possible mistakes in time series and introduce median filtering algorithms for online and off-line “purification” of multiple time-series.