空间失效慢旋卫星视觉特征跟踪与位姿测量

空间碎片或者失效卫星往往绕其惯性主轴做自旋运动,虽然处于一种稳定状态,但是对其运动状态测量的难度相比三轴稳定目标而言又增加了许多,主要体现在复杂光场环境下和目标观测面周期性进出视场引起的特征点丢失、尺度变化和旋转变化,以及长时间连续观测引起的累积误差增大、位姿解算不收敛等难题。通过构建优化目标特征数据库,将传统测量方式中前后帧的匹配转变为当前帧与特征数据库的匹配和特征点的优化,即使中间过程帧出现了偏差仍然可以较好地跟踪后续图像帧的正确位置。在李代数空间下建立位姿向量微分扰动方程,获得测量值与估计值的残差目标函数,基于贝叶斯法则最大后验概率和李群与李代数的对指变换法则,求取位姿向量最优解。解决了李群空间下由于位姿变换矩阵不可加性而无法优化的问题,提高了连续测量过程中系统的测量精度。实验结果表明,无优化测量方法无法保证整个旋转周期的有效测量;通过增加位姿优化过程,连续稳定测量时间明显延长,针对以12（°）/s自旋运动的目标,测量稳定段误差在2°以内,旋转角速度测量误差为0.12（°）/s。     

主燃区出口特征影响出口温度场性能的数值研究

对不同航空发动机燃烧室主燃区出口特征下的速度分布和温度分布进行模拟,获得了不同主燃区出口特征下的出口温度场。结果表明:在均匀的主燃区出口速度分布下,燃烧室出口温度场更均匀;主燃区出口最高温度突升及温升幅度对出口温度分布系数To和径向温度分布系数Tr的影响很小;主燃区最高温度点向内、外涵靠近时,To和Tr都会迅速增大,靠近外涵时比靠近内涵时增大得快。     

改进的SURF算法及其在电视制导中的应用

针对电视制导应用,提出了一种改进的SURF特征描述子目标跟踪算法。首先对SURF特征描述子的生成过程进行了改进,利用三角特征和对角特征设计了改进的SURF特征描述子,在保证区分能力的基础上提高了运算速度;基于SURF特征点匹配,设计了电视制导的匹配跟踪策略。仿真试验证明,基于改进SURF特征描述子的跟踪算法满足电视制导需求,同时运算速度达到了26f/s,比改进前提高了一倍以上,满足实时性要求。     

基于空间特性的弹道特征抽取

首先分析了弹道特征的影响因素,然后利用微分几何的相关知识讨论了弹道特征的抽取问题,进而提出了用曲率/挠率-弧长作为参量提取弹道特征的方法,给出了理论分析和应用说明,最后利用仿真数据进行了验证。仿真结果表明,该方法能够准确反映出导弹的一些机动动作,如姿态调整及弹头抛撒等,在导弹目标识别中具有一定的应用价值。     

超声速/高超声速双拐点喷管设计

为实现直连式试验台、高温风洞等试验设备的多马赫数运行,提出了双拐点喷管设计方法.喷管分2段设计,第1段共用,采用3次B-Spline函数描述喷管轴线马赫数分布.首先采用特征线方法求解Euler方程,得到无黏的理想喷管型面.其次采用参考温度方法求解边界层位移厚度,对无黏壁面进行修正得到实际壁面.共用段喷管出口的平行均匀流作为第2段喷管设计的初值.为验证设计方法的可行性,设计了中间马赫数为3.0,出口马赫数分别为4.0,4.5和5.0的双拐点喷管,并采用雷诺平均的Navier-Stokes方程对设计的喷管流场进行数值模拟.计算结果表明:喷管出口流场均匀,试验菱形区的马赫数误差小于1.2%.该方法提高了喷管设计精度,保证消波干净,为直连式试验台、高温风洞等设备的多个喷管共用一套动力系统提供了基础.      

机场安检模式的发展及特征

机场安检模式的产生和发展从根本上看是由安全事件驱动的。机场的安检工作在需求中普及,在挑战中提升,安检模式也在有针对性和预见性地逐步成型和完善。本文简要回顾了机场安检模式的历史演变与发展状况,并着重介绍了几种不同的行李和人员安检模式。     

火箭发动机水击压力数值模拟分析

依据水击理论,以某液体火箭发动机为例,采用特征线法建立推进剂供应系统一维流动数学模型,实现了关机水击数值模拟。实例计算分析了测压导管对水击过程的影响。     

基于特征模型的力矩受限卫星三轴姿态控制

针对控制力矩受限的卫星大角度姿态机动控制问题,设计了一种基于特征模型的低增益反馈控制器.根据原对象动力学模型建立二阶时变差分方程形式的特征模型,通过推导得到了特征模型参数范围。给出了低增益饱和控制方法,并设计低增益反馈控制器,解决了控制输入饱和所带来的性能下降甚至系统不稳定的问题.通过使用特征建模有效地解决了常规控制方法难以使用于一些复杂对象控制的问题.控制受限卫星大角度姿态机动仿真验证了所提出控制方法的有效性.     

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明：所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。     

空间非编码标记特征点中心定位方法与比较

归纳总结了应用于可见光测量的空间标记非编码设计原则,例举了棋盘格型、栅格型、圆型等3种典型的非编码标记图案设计,分别阐述了各标记特征点中心定位方法和计算过程,开展了对比试验,结果表明：圆型非编码标记图案设计及其特征点中心定位精度明显高于其他两种图案,其图案设计简捷、特征点突出易于识别、在像平面中呈现各向同性、点中心定位精度高、计算速度快、噪声抑制能力强。