改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

应用Delaunay图映射与FFD技术的层流翼型气动优化设计

采用非均匀有理B样条(NURBS)基函数属性建立了任意空间的自由式变形(FFD)翼型参数化方法,进一步结合基于Delaunay图映射技术建立了结构对接网格变形模式,通过粒子群优化(PSO)算法进行参数化方法、网格变形模式以及计算流体力学(CFD)数值模拟技术之间的整合,研究、构建了气动优化设计系统,并对某型层流理念设计的高空长航时(HALE)飞机基本翼型进行气动优化设计。气动特性目标函数评估方法中,边界层转捩数值模拟技术采用γ-Re_θt转捩模型耦合剪切应力输运(SST)模式湍流模型。优化设计后翼型气动特性表明:采用相关技术建立的层流翼型气动优化设计系统对于层流理念设计的HALE飞机翼型的设计具备较高的优化效率。     

基于任意空间属性FFD技术的融合式翼稍小翼稳健型气动优化设计

 以非均匀有理B样条基函数为空间控制体属性,建立了任意空间形状自由变形(FFD)技术参数化方法。所建立的气动外形参数化系统通过FFD控制体的分布以及控制顶点的合理选取,能够对任意复杂外形进行参数化设计。首先采用FFD控制体对某型客机翼稍小翼进行空间属性构建;然后结合基于Delaunay图映射技术建立了结构对接网格变形模式,采用分群粒子群算法以及误差反向传播训练算法(BP)神经网络进行稳健型气动优化系统的构建;最后对某型客机融合式翼稍小翼的后掠角、倾斜角和高度等参数进行稳健型气动优化设计,分析对比了优化前后翼梢小翼表面压力云图、截面压力分布及载荷分布。优化设计结果表明:设计后的翼稍小翼的升阻比与阻力发散特性明显提高。     

面向民用飞机排故的增强型符号有向图

针对民用飞机故障的动态特性及维修体制,在符号有向图（SDG）模型中引入动态元素,并融合系统结构模型,提出一种结构和参数能随工况变化而调整的增强型有向图（ESDG）模型。进而提出基于故障依赖矩阵的相容根树搜索算法与分层诊断策略,能解决实际排故中常常因部分状态未测量而造成诊断信息缺失的问题。该方法能满足分级维修中不同诊断精度的要求。多个工况的综合诊断进一步提高了推理分辨率。最后以某民机发动机引气系统为实例说明了该方法的有效性。     

一种针对交互式软件的功能测试方法

交互式软件的功能是通过复杂的人机交互完成的,目前的功能测试常常只考虑软件的界面信息,而不考虑软件的具体需求和逻辑实现流程,这就导致测试巾随意性较大,测试过程难以有序进行。针对这种情况,文章提出了一种基于数据流图的功能测试方法,依据交互式软件的需求规约和用户界面,以数据的流向来组织功能测试过程。     

基于OSG的飞行仿真系统视景平台的研究与开发

分析了飞行仿真系统的特征,并对其应用需求进行分析,在此基础上完成了系统视景平台的规划与设计。采用OpenSenceGraph（OSG）开源场景图形库对视景平台进行开发,针对需求分析实现了飞行仿真系统视景平台各模块的基本功能。     

非结构动网格生成的弹簧-插值联合方法

 提出了基于弹簧法的两点改进,以解决边界发生大变形时的非结构网格变形问题。为了使边界运动引起的网格变形能更好地由边界传递到内部网格中,提出了一种新的基于Delaunay网格插值的弹簧倔强系数逐层改进方法。为了提高弹簧法的计算效率,引入背景网格和直接插值方法,提出了弹簧-插值法。弹簧-插值法首先生成计算域的背景网格(粗网格),然后由弹簧法求解边界运动引起的背景网格变形,最后利用变形后的背景网格直接插值得到计算网格的变形。算例结果表明：改进后的方法一方面有效地提高了动网格的变形能力和变形后的网格质量;另一方面通过降低弹簧法的求解规模,显著地提高了动网格的变形效率。     

基于动态变迁图的卫星总装规划建模技术研究

不同于一般机械产品装配的流程,卫星总装的过程是"拆""装"操作相结合的,为了解决这一类特殊的非线性装配顺序规划问题,提出了一种基于动态变迁图的装配规划模型。该模型在静态有向连接图的基础上,通过逐层分析和验证可能的状态以动态变迁图为核心构建装配任务过程树,从而支持卫星所有几何可行的流程序列表达和装配场景再现。最后通过某型卫星舱段总装验证了该建模方法的有效性。     

Bipartite graph-based control flow checking for COTS-based small satellites

Single event upset(SEU)effect,caused by highly energized particles in aerospace,threatens the reliability and security of small satellites composed of commercial-off-the-shelves(COTS).SEUinduced control flow errors(CFEs)may cause unpredictable behavior or crashes of COTS-based small satellites.This paper proposes a generic software-based control flow checking technique(CFC)and bipartite graph-based control flow checking(BGCFC).To simplify the types of illegal branches,it transforms the conventional control flow graph into the equivalent bipartite graph.It checks the legality of control flow at runtime by comparing a global signature with the expected value and introduces consecutive IDs and bitmaps to reduce the time and memory overhead.Theoretical analysis shows that BGCFC can detect all types of inter-node CFEs with constant time and memory overhead.Practical tests verify the result of theoretical analysis.Compared with previous techniques,BGCFC achieves the highest error detection rate,lower time and memory overhead;the composite result in evaluation factor shows that BGCFC is the most effective one among all these techniques.The results in both theory and practice verify the applicability of BGCFC for COTS-based small satellites.     

Multi-view space object recognition and pose estimation based on kernel regression

The application of high-performance imaging sensors in space-based space surveillance systems makes it possible to recognize space objects and estimate their poses using vision-based methods. In this paper, we proposed a kernel regression-based method for joint multi-view space object recognition and pose estimation. We built a new simulated satellite image dataset named BUAA-SID 1.5 to test our method using different image representations. We evaluated our method for recognition-only tasks, pose estimation-only tasks, and joint recognition and pose estimation tasks. Experimental results show that our method outperforms the state-of-the-arts in space object recognition, and can recognize space objects and estimate their poses effectively and robustly against noise and lighting conditions.