介绍了液体火箭上升段制导方法的发展历程。从飞行任务需求、控制计算理论、箭载计算平台3个角度,梳理了大气层内外上升段制导的开发背景和驱动力。在大气层外制导部分,介绍了迭代制导、动力显式制导和数值最优制导的工作原理、存在问题和改进策略。在大气层内制导部分,介绍了常用的摄动制导方法和降低气动载荷的减载控制策略,讨论了闭环轨迹优化在大气层内制导中的应用。最后,展望了上升段制导方法未来的发展方向,探讨了数值规划和机器学习技术在上升段制导中的应用前景以及制导方法的几个发展方向,如智能化、可靠数值化等。
多智能体系统在许多实际领域中得到了广泛应用,包括机器人技术、分布式控制和多人游戏等。这些领域中的许多复杂任务无法通过预定义的智能体行为来解决,而基于通信的多智能体强化学习(Multi-Agent Reinforcement Learning, MARL)技术是应对这些挑战的有效方法之一。该领域存在2个核心问题:1) 如何建立有效的多智能体通信机制,从而提升多智能体系统的整体性能;2) 在带宽受限的场景下,如何设计高效的通信调度方案从而压缩通信过程中冗余信息。本文首先对处理这两个核心问题的文献进行了概述并重点介绍具有代表性的一些工作,接着说明其在航天领域的应用前景,最后进行总结。
针对复杂电磁环境下,传统基于雷达回波的目标识别方法定位精度差和识别能力不足的问题,以典型海背景环境下的雷达时频二维像目标为研究对象,提出了复杂环境下少样本域自适应雷达智能RD识别技术,通过设计基于分离注意力的偏移区间配准目标识别算法架构,实现了对目标的精确定位和识别,同时设计了域自适应技术对源域和目标域进行特征配准,解决少样本条件下算法场景适应性不足的问题。通过在雷达回波仿真数据和真实数据上对算法测试验证,取得了较优的结果,证明了该算法的有效性。
针对再入滑翔飞行器可达域快速计算问题,研究了一种近似解析求解方法。首先,将可达域求解问题归结为两类纵、横程极值轨迹规划问题,利用极大值原理推导出满足最大纵程/横程要求时飞行攻角对应当前最大升阻比攻角的结论,通过仿真验证了该结论的正确性。其次,结合再入滑翔飞行器动力学特性,设计了不同极值轨迹的倾侧角变化规律,并通过梯度下降方法优化得到相关参数。最后,在不同飞行器初始状态条件下,通过数值仿真得到了所提方法的可达域。其与伪谱法优化结果基本一致,证明了所提方法的有效性。
利用深度学习强大的特征提取能力和残差网络的捷径反馈机制,设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力,将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中,对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立,将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中,在姿态信息回归分支中,对姿态信息进行软分配编码,相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证,所提算法对空间目标位姿估计取得了更好的估计结果。
为满足运载火箭轨道作业段遥测全帧码流中有效载荷姿态、冲击、速率等关键信息参数的挑路、帧重构及传输的需求,提出了一种基于双臂螺旋天线的箭载天基遥测系统设计。本文在通过COMSOL仿真软件对系统双臂螺旋天线在轴向工作模式下的散射参数(Scatter参数,S参数)和远场辐射方向图进行电磁波、频域及重力场耦合仿真分析的基础上,选择了385 MHz、4.77 GHz频段作为主、备份频段进行天基遥测数据的传输,最后在整箭模拟飞行测试中进行了天基遥测系统空间衰减等效实验。实验结果表明,地面天基检测站“捕获”、“载波”、“帧同步”、“符号同步”功能正确,精准完成了箭载天基遥测系统状态锁定,近地轨道处遥测数据传输速率稳定保持在1.2 Mbps,系统链路余量充裕,与现有系统相比同等条件下的箭地通信速率提升比至少达到了76%。
为了充分发挥大规模星座带来的在轨可用卫星资源丰富的优势,解决星座和任务规模扩大带来的任务分配求解空间大的问题,提出了一种分布式加权负载均衡合同网任务分配方法。对任务窗口进行预筛选,减少卫星参与投标数量,节约在轨计算通信资源;在合同网任务分配过程中,将任务投标值加入负载均衡加权系数,提升星座系统负载均衡性能。通过仿真验证,在观测收益相当的情况下,本文所提方法相较于集中式任务分配方法分配求解耗时可减少94%以上,系统负载均衡度优于传统任务分配算法,表明该方法适用于大规模星座任务分配。
针对现有空间目标威胁评估方法存在的指标选取单一、可信度较差的问题,通过分析空间目标威胁特点和特征指标的依赖关系,提出一种基于贝叶斯网络的威胁评估模型,该模型融合形态异常特征、轨道异常特征、历史行为等多源信息实现对空间目标威胁程度的综合评价。模型采用模糊隶属度函数对相对速度、相对距离等连续变量进行离散化隶属度表示,利用专家知识给出贝叶斯网络节点间的条件概率表。对抵近绕飞和碰撞两种典型空间场景进行仿真验证,结果表明该模型可以较为准确地刻画空间目标的威胁程度,具有一定实际意义。
以qamax实况值为基准,分析了火箭最大气动载荷预报值精度随预报天数的变化特征。发现在预报天数1~11天内,最大气动载荷预报值精度随预报天数延长而降低,其绝对差从225.78 Pa·rad(第1天)增长到533.87 Pa·rad(第11天)、相对误差由10.97%(第1天)增大到24.54%(第11天);利用多元线性回归方法建立最大气动载荷预报值订正模型,可提高各预报天数的最大气动载荷预报值精度,平均绝对差由402.45 Pa·rad减小到309.82 Pa·rad,平均相对误差由17.71%减小到14.60%,这些发现对于火箭发射前的安全飞行保障具有参考价值。
提出了一种ISO-KELM的液体火箭发动机故障检测模型。首先引入Tent混沌映射、动态策略和柯西变异3种方法对原算法进行改进。然后,采用改进后的蛇优化算法(ISO)对核极限学习机(KELM)惩罚因子和核函数参数进行寻优,构建了ISO-KELM液体火箭发动机故障检测模型。最后选取包含5种典型故障模式的某液体火箭发动机历史试车数据进行仿真。结果表明,ISO-KELM模型的故障检测准确率为95.2%,高于SO-KELM故障检测模型和传统BP神经网络故障检测模型,可有效检测火箭发动机的故障状态。同时也表明了ISO相比于SO,收敛速度更快,寻优精度更高。
