利用"火星快车"三程多普勒跟踪数据限定局部洛伦兹不变性

目前航天器的三程多普勒跟踪技术已经在深空探测的控制与导航领域起到了重要作用。利用包含了对局部洛伦兹不变性(LLI)以及局部位置不变性(LPI)原理有破坏的三程多普勒跟踪理论,研究分析了"火星快车"(MEX)三程多普勒跟踪数据的残差。这些多普勒观测于2009年8月7日和8日进行,利用了欧洲航天局(ESA)在澳大利亚新诺舍(New Norcia)的上行站和三个分别在中国上海、昆明以及乌鲁木齐的下行站。我们发现,这些观测结果给出的LLI上限在10-2的量级。但由于各观测站本身对频率测量的精度有限,这些数据并不适合于检验LPI。     

考虑失效性故障的火星探测器进入段姿态容错控制

火星进入过程中的故障和外部干扰不可避免地降低了火星进入制导和控制算法的性能。利用反步法设计了一种对转动惯量信息变化不敏感的火星进入姿态容错控制算法。首先,将虚拟控制律的微分量视作干扰量,利用自适应技术对其进行补偿,避免了传统反步法微分爆炸的缺陷。同时,控制设计过程中显式地引入了饱和函数,保证了在存在输入饱和的情况下,控制律仍然能使得探测器姿态保持稳定。最后,以“火星科学实验室”探测器为模型进行了数值仿真验证,结果表明该控制律在存在输入饱和约束、转动惯量不确定性、执行机构部分失效甚至完全失效的工况下,仍然能够完成对姿态的精准跟踪。     

多径环境下扩频导航接收机信号跟踪性能研究

分析了多径环境下扩频导航接收机信号跟踪性能。主要分析了时延绝对值小于一个码片的多径信号对导航信号伪码相位和载波相位跟踪误差的影响,给出了接收机伪码跟踪环和载波相位跟踪环的结构框图,并建立了两个跟踪环的数学模型,在考虑多径信号的基础上分析了混合信号相位跟踪的数学模型,分析了混合信号下伪码跟踪环和载波相位跟踪环相位跟踪的性能。在数学模型分析的基础上对存在单路多径信号时伪码相位跟踪和载波相位跟踪性能进行了计算机仿真。     

基于多滑模控制器融合的高超声速飞行器再入段跟踪控制方法

针对高超声速飞行器再入段滑模跟踪控制存在的抖振剧烈问题,提出一种基于多滑模控制器融合的跟踪控制方法.该方法采用动力学模型对高超声速飞行器再入过程进行描述,建立高超声速飞行器的攻角、侧滑角和倾斜角跟踪控制方程,结合准二阶连续滑模控制器和超螺旋滑模控制器对再入段进行分阶段的跟踪控制,分别削弱抖振影响,提高跟踪控制性能.通过模型仿真对所提跟踪控制方法的有效性和可行性进行验证,结果表明该控制方法可有效实现高超声速飞行器的轨迹跟踪,在控制力矩响应和姿态角速度跟踪误差积分值上较传统方法具备明显优势,可有效抑制抖振,提升飞行稳定性.     

智能天地一体化网络的卫星跟踪测控技术综述

随着卫星互联网和我国航天测控技术的不断进步,航天测控网络朝着智能化、一体化的方向发展,在自主测控、资源分配等方面进展良好。因此,建立智能天地一体化的航天测控网是我国航天未来发展的重要目标。针对智能航天测控网中的跟踪测轨、遥测和遥控三个方面,分别介绍了相关原理与技术。同时,结合CCSDS提出的空间数据链路标准协议详细介绍了TM、TC、AOS、Proximity-1以及USLP标准,分析了不同标准所使用的技术与实际应用。本文从数据链路层和物理层的角度介绍了智能航天测控系统的工作原理及技术要求,为我国智能天地一体化卫星测控通信网的研究提供参考并予以展望。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于阻力加速度指令快速解析与跟踪的中段制导方法

提出一种基于阻力加速度指令快速解析与跟踪的制导方法.通过一维质点运动学解析并加权直接得到阻力加速度指令,主要靠攻角进行跟踪,实现对终端速度的控制;通过纵向比例导引生成过载指令,靠倾侧角进行跟踪,实现对终端高度的控制;倾侧角优先用于辅助跟踪阻力加速度指令,满足给定条件后切换至高度控制.对于航迹方向角的控制通过倾侧角按反转...     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验,设计数字摄像视觉测振系统,基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程,通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型,通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比,验证了基于视觉测振工况模态试验方法的准确性,为柔性太阳翼在轨模态辨识奠定基础。