火星多光谱相机的地面几何标定研究

随着航空航天技术的飞速发展,作为地球近邻的火星成为当今国际空间大国的主要研究目标。为完成火星巡视区形貌和地质探测任务,可直接使用多光谱相机获取的高分辨率真彩色图像作为观测手段。为寻找着陆点,火星多光谱相机应具备精确定位的测绘功能,因此需进行几何标定估计其内方位元素。通过张正友标定算法提供初值,然后以改进的Heikkil?算法完成几何标定,经过分析标定结果的不确定度,探究实验误差来源,提出改进方法,最终获得满足要求的标定参数,为实现图像融合、三维重建等计算机视觉领域奠定坚实的基础。     

航天器能源管理技术研究进展

航天器的发展对能源系统稳定性、带载能力、功率重量比和运行效率提出了更高的要求,从而能源系统架构设计、太阳能电池控制技术、储能电池组管理技术和能源调度技术等成为亟待进一步研究的关键技术.分析了太阳能电池最大功率点跟踪算法及其实现技术,阐述了能源系统调度策略,探讨了储能电池组充放电控制及均衡技术.通过对航天器能源系统关键技术的对比与总结,明确了能源管理关键技术的发展趋势,对未来空间航天器的电气化发展具有一定的现实意义.     

基于在轨组装维护的模块化深空探测器技术进展与应用研究

在轨组装与维护是航天器在轨服务技术的基本内容,而模块化设计则是实现航天器在轨组装与维护的一项主要支撑技术。调研总结了国外深空探测领域模块化航天器设计以及在轨组装与在轨维护实施的技术进展,主要包括模块化地外行星着陆探测器、大型在轨组装深空探测器、布置于SEL2(Sun-Earth Libration 2)等轨道的超大型在轨组装空间望远镜系统等,分析了深空探测器领域应用模块化设计实现在轨组装与维护的关键技术要素。针对深空探测航天器长寿命、高可靠、特殊推进系统及其设备配套等技术特点与需求,提出一种应用在轨组装与维护技术的火星多任务探测器系统设想,介绍了探测器系统的任务架构、基本组成、轨道策略等,为我国深空探测技术发展以及新型深空探测器研制提供参考。     

几何不确定性区间分析及鲁棒气动优化设计

不确定性因素会导致飞行器偏离预先设计的气动性能,造成气动性能下降甚至产生严重的后果。针对工程中无法给出准确的几何不确定性概率分布以及跨声速条件下非线性气动问题,对几何不确定性的非概率参数化建模进行了研究,并结合Kriging模型及最优化方法建立了快速非线性区间分析方法。采用该方法对对称翼型进行不确定性分析,获得了气动性能参数的定量变化区间。在区间不确定性分析基础上建立了鲁棒优化设计流程。基于区间序关系及区间可能度转换模型将单目标区间不确定性优化问题转化为多目标确定性优化问题,并采用基于Pareto熵的自适应多目标粒子群算法对优化问题进行寻优。考虑几何不确定性以及升力、力矩、面积约束,以阻力性能为目标对超临界翼型进行了鲁棒优化设计。与确定性优化设计结果对比表明,确定性优化设计在不确定性因素的影响下易失效,而鲁棒设计可得到更安全可靠的结果。      

航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

某型无人机发射段飞行轨迹研究

用火箭助推起飞是广泛应用的无人机起飞的一种方式,它和用起飞车助跑起飞方式相比有一些优越之处。本文总结了在某型无人机采用火箭助推起飞时的飞行轨道研究中探讨过的几个问题,包括发射参数的选择原则和发射起飞过程中的一些特殊问题.如力矩平衡问题,无人机和滑轨之间相对运动问题等。     

多点压力扫描阀测量系统在激波／湍流边界层干扰实验中的应用

多点压力测量是航空气动力研究及高性能流体机械研究中的重要测试手段。利用计算机和多点压力扫描阀系统，可以高效地完成这项任务，并可能在实验中实现数据采集及整个实验过程的自动化。我们利用ＨＰ１０００／Ａ７００计算机－ＨＰ２２５０－测控装置－压力传感器－高速扫描阀组成的测量控制系统，在超音速风洞内对激波／湍流边界层干扰产生的流场进行了快速多点压力数据采集，并取得了可靠的结果。本文对测试和校正过程中的程序设计、测试方法和应用经验进行了介绍。     

基于NIOSⅡ系统多串口通讯模块的设计与实现

介绍了基于NiosⅡ嵌入式系统多串口通讯模块的设计方案,阐述了多串口通讯模块的设计思路及实现的体系结构,从硬件和软件两方面论述了具体设计与实现过程。     

基于MAS和RL的舰船设备协同控制方法

在构建舰船设备协同控制多智能体系统(MAS)过程中,各Agent之间存在某种内在的冲突、联系和规律,为了有效地发现和消解这些问题,引入智能控制解决方案和强化学习方法,能为MAS系统的构建提供有效的技术保障.本文提出了基于强化学习(RL)算法即改进的遗传算法并辅之以贝叶斯学习算法,来解决舰船MAS中各Agent中的任务分配问题、实现设备协同控制的优化和学习,并以舰船运动目标下的设备协同控制来具体验证上述算法,从而体现舰船运动控制MAS的可行性.     

基于多Agent协商机制的冲突解脱方法

冲突解脱技术是自由飞行能否实现的关键技术。采用多Agent系统中协商机制能解决自由飞行的多架飞机之间的冲突解脱问题。将冲突问题中所涉及到的飞机抽象为多Agent系统中的飞机Agent,通过各飞机Agent间相互协商从而得到满意的解脱策略。实例验证了该方法的可行性。