面向在轨服务的相对位姿单目视觉确定的凸松弛优化方法

针对非合作目标之间基于特征点的相对位姿单目视觉确定问题,考虑利用自然特征导致误差增大等因素,提出一种基于凸松弛理论和LMI算法的相对位姿求解迭代方法。该方法在基于逆投影线构建的优化模型基础上,首先利用松弛理论将姿态矩阵的单位正交非凸等式约束松弛为不等式凸约束,并证明了松弛后的优化问题与原问题等价,即松弛后的凸问题取得最值时,姿态矩阵满足原等式约束。进一步将松弛后的姿态矩阵不等式凸约束表示成线性矩阵不等式形式,进而利用内点法进行求解,并利用全局收敛性定理证明了该算法的全局收敛性。以在轨服务为背景,仿真试验表明,利用该算法相对位姿可在7次迭代达到收敛,与传统SVD算法相比,在噪声较大的情况下,该算法计算精度提高近一倍,能够快速收敛并具有较强的鲁棒性。     

“高分四号”卫星影像辐射与几何精度评价

"高分四号"(GF-4)卫星是中国首颗高分辨率静止轨道面阵凝视光学遥感卫星,载荷首次采用面阵CMOS探测器在36 000km高轨成像、基于面阵成像构建在轨相对辐射校正模型、面阵相机光学畸变在轨检校。文章首先分析了影响GF-4卫星影像辐射质量(quality,以下同)与几何精度的关键因素,然后介绍了高轨面阵成像处理模型的构建技术,最后分析评价了GF-4卫星影像的辐射质量、几何质量和处理精度。结果表明:GF-4号卫星全色多光谱影像的平均行标准差、平均标准差和广义噪声等相对辐射精度指标均优于3%,典型地物信噪比平均优于40d B。影像内部畸变在垂轨和沿轨方向均优于0.8个像素。     

某型号卫星微振动试验研究及验证

某型号卫星地面像元分辨率优于1 m,对成像质量要求很高。微振动成为制约该型号成像质量提升的关键因素之一。在完成微振动对成像质量影响的仿真分析后,对仿真分析的有效性和正确性进行了试验验证。该卫星微振动试验按照单机、分系统、系统和大系统4个层次展开:单机级试验主要通过六分量力测量微振动源的动态特性;分系统级试验主要通过结构加速度响应测量解决微振动传递特性是否正确的问题;系统级试验主要通过成像质量来验证微振动对光学系统影响的分析方法;大系统级试验主要通过在轨图像分析验证相关结论。上述试验对微振动从产生、传递到影响的各个环节进行了测试和验证。最终试验结果表明微振动相关工作达到预期目的,图像质量得到保证。     

CADISEN系统简介

用于航空发动机的集成化计算机辅助设计系统(Computer Aided DesignIntegrated System for aero-Engine,CADISEN)是由原航空发动机总公司组织开发,并由606、608、624和631所共同研制的。CADISEN系统由两部分组成,一是航空发动机工程分析软件系统(Computer engineering Analysis Software System for aero-Engine,CASSEN),一是用于工程开发的集成化支持系统(Computer IntegratedSupport System for Engineering development,CISSEN)。本文扼要地介绍CADISEN系统的发展目标、实施步骤、软件层次、系统特点与主要功能。     

量载数据系统的结构

星载数据系统通过全星的计算机联网，建立统一数据管理，支持系统重组，文章探讨了星载铁选择原则；并提出并行计算机系统的几种结构比目前使用的总线型结构更适合星载数据系统     

基于AVIDM框架的卫星设计集成技术研究

在分析了并行工程特点的基础上,对产品数据管理技术进行了阐述,结合实际工作对基于AVIDM框架的卫星设计集成系统建设及在卫星型号产品中推广PDM技术的有关工作进行了详细论述,提出了型号应用的不同层次及PDM实践中应注意解决的问题。     

形面精度可调节的单层索网空间抛物面天线

大口径高形面精度的空间可展开天线是未来航天器天线的重要发展方向之一。提出了一种新型形面可调节的单层索网空间可展开天线。通过对单层索网进行静力平衡分析,给出了单层索网天线的内力计算方法,并基于能量法,建立了单层索网天线的形状预测理论模型,实现了单层索网天线的三步法找形方法。基于理论分析结果,建立了50m口径的单层索网天线的有限元模型,通过有限元模型对建立的单层索网理论设计分析方法进行了验证,并验证了单层索网天线的形面精度及在轨调整的可行性。理论分析和有限元分析结果表明,单层索网天线拓扑构型简单,可通过改变天线中心轴的长度,实现天线形面的在轨调节。在100℃的均匀温差下,通过在轨形面调节,50m口径单层索网天线的形面误差可降低至5mm以下。     

空间变化场景下卫星部组件域适应识别研究

针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程...