一种小推力航天器变轨优化方法

针对连续小推力航天器在轨道转移及制导控制过程中,传统方法需优化大量参数,且无法保证得到近优解的问题,提出一种新的轨道转移和规划算法.该算法将电推进式小推力卫星模型的变轨过程转化为最优控制中两点边值问题,引入混合遗传算法,实现了小推力航天器由低轨向高轨的飞行轨道规划及优化,并在开源的科学工程计算软件SCILAB6.0.1...     

航天器产品限流电阻保护设计方法研究

针对小功率负载的限流电阻保护设计不规范问题,给出了基本设计原则,提出了限流电阻功率接近和远超额定功率2种工况下的详细设计方法,并以3种常用传感器限流电阻保护电路为例,采用不同阻值、同封装,同阻值、不同封装进行试验验证.试验结果表明:该设计方法有效,试验数据对航天器产品限流电阻的选取提供了数据支持.     

小卫星侦察星座性能评估研究

针对小卫星侦察星座性能评估问题,从覆盖、成本和弹性三方面对小卫星侦察星座的性能指标进行研究,分别构建了考虑存储容量约束的覆盖能力评估模型、成本估计模型以及弹性能力评估模型。在覆盖能力评估模型中,将卫星存储容量作为约束条件,结合卫星覆盖几何模型分析了卫星对地侦察的工作条件,提出考虑存储容量的覆盖指标计算方法;通过小卫星成本模型(small satellite cost model,SSCM)对星座各分系统的成本进行估计;在弹性评估模型中,提出了星座性能损失率指标,并根据星座失效状态概率函数确定了不同失效状态下星座性能损失率的权重。将上述模型应用于SkySat和吉林一号星座的性能评估过程中,结果表明SkySat比吉林一号覆盖能力强、成本低,弹性差。提出的三个模型可用于评价星座优劣,为小卫星侦察星座的建设和性能评估工作提供参考。     

基于学习自动机的雷达干扰资源分配研究

综合考虑干扰机干扰频率、干扰功率、干扰时机和干扰样式等干扰效果评估指标,构建干扰效益矩阵,建立目标函数,构建干扰资源分配博弈模型,并基于学习自动机原理提出了分布式干扰资源分配算法,求解出干扰分配决策。仿真结果表明,提出的分布式干扰资源分配算法能以很低的复杂度来获得很好的干扰性能,有效地解决了干扰资源分配问题,对实际作战指挥有一定的指导意义。     

小卫星的鲁棒自适应姿态控制

对于中低轨道的小卫星而言，设计能克服参数不确定性及非参数不确定性影响的鲁棒自适应控制器具有重要的工程意义和理论价值。考虑存在参数不确定性及非参数不确定性，分析了小卫星的姿态动力学及运动学方程，设计出了一种鲁棒自适应控制器，证明了该控制器可以保证控制系统全局一致最终有界稳定。仿真结果验证了该控制器的有效性。     

再入弹头滚转共振概率估算

本文分析了滚转共振之机理和影响滚转共振之因素，收集了国外资料有关小不对称量的数据，确定了各参数的概率分布特性，提出了一种直观的再入弹头滚转共振概率估算方法，给出了算例。     

中低轨道卫星星座间的激光链路

阐述在中低轨道卫星星座全球通讯网络中应用的激光星间链路与在中继星间应用的激光星间链路相比，所具有的明显的优势。同时给出了应用于小卫星上的小光学用户终端的基本组成，并指出了当前在中低轨道卫星星座激光星间链路研究中所应当进行的主要研究方面。     

微小卫星高精度三轴稳定控制算法研究

某型号微小卫星的有效载荷为三线阵CCD相机 ,因此对于姿态控制系统有相当高的要求 :对地定向三轴稳定指向精度优于 0 .3°,稳定度优于 0 .0 0 1(°) /s。针对该要求进行了控制系统设计 ,并在单轴气浮转台的基础上 ,根据国内现有硬件情况进行了半物理仿真验证。结果表明 :所设计的控制器原理简单、易于实现且具有较好的鲁棒性 ,满足总体提出的设计要求。同时证明 ,国内现有的光纤陀螺和反作用飞轮等硬件的性能指标均可满足某型号微小卫星姿态控制系统的要求。     

倾斜轨道对地指向小卫星对日跟踪姿态控制算法

固定安装太阳电池阵形式的对地指向小卫星,运行在倾斜轨道时太阳电池阵光照条件恶劣,限制了小卫星的应用。文章研究了对地指向小卫星姿态跟踪控制,提出了控制算法。首先,对太阳电池阵法线和太阳方向矢量进行分析,得到最优的偏航角、偏航角速度和偏航角加速度。然后,基于卫星姿态动力学给出了3个互相垂直安装的反作用飞轮控制律,并利用Lyapunov稳定性理论证明了闭环控制系统的渐近稳定性。以某小卫星为例,对控制算法进行验证,结果表明:文章提出的控制算法具有很好的实用性,控制律有效,能达到太阳电池阵跟踪太阳的效果。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。