运载火箭时序姿控系统消反峰电路采用“二极管+电阻”电路与“电阻+二极管+稳压二极管”电路，利用MULTISIM进行仿真，并利用试验进行验证，发现消反峰电阻越大或者稳压二极管稳压电压越大，电磁阀理论关断时间均越小。对于相同的电磁阀关断时间指标要求，增加稳压二极管稳压值的方法产生的反峰电压要低于增大电阻产生的反峰电压；电磁阀通过精确控制燃料和气体的流动，确保其按照预定的比例和时间被送入发动机，所以增压阀、安溢阀、辅助动力电磁阀等在姿控系统中承担着调节压力和安全保护的重要作用，维护着火箭的姿态稳定和飞行安全，故其关断时间和反峰电压需要精确控制。

为了提高液体火箭发动机工作的可靠性,针对液体火箭发动机故障诊断问题,提出一种基于核主成分分析(KPCA)和ICOA-BP算法的故障诊断模型。通过KPCA算法对测量参数进行特征提取和降维,保证在特征充足的情况下降低数据的复杂性,减少计算成本,并提出一种改进后的浣熊优化算法(ICOA)优化BP神经网络,旨在提高BP神经网络诊断精度。利用液氧甲烷火箭发动机试车数据对算法进行验证,实验结果表明,ICOA-BP算法相较于COA-BP算法表现出更快的收敛速度和更高的寻优精度。在KPCA特征提取的数据上,ICOA-BP算法诊断准确率可以达到96.5%,相较于BP神经网络和支持向量机(SVM)诊断准确率分别提高3.5%和3%。同粒子群算法(PSO)和遗传算法(GA)相比,ICOA-BP算法展现出更优秀的全局最优解的搜索能力。

考虑难以获取飞轮精确数学模型及星上算力受限问题,提出了一种基于改进LSTM与故障树相结合的故障诊断方法。首先,从种群初始化、距离控制参数及α狼位置更新等角度改进传统灰狼算法(GWO),使其拥有更好的收敛性能;然后在网络训练过程中引入优化算法,对超参数空间开展寻优,克服传统手动调整方法或网格搜索法导致的超参数选取效率低的问题;进一步考虑故障树分析的工程实用性和神经网络的自主性,设计二者组合的故障诊断框架;最后,建立飞轮故障树模型并进行仿真实验,仿真证明了改进GWO出色的收敛性以及组合式诊断算法对飞轮故障检测和识别的有效性。

为解决飞行器方向舵在复杂多变的工况条件下的故障诊断准确性问题,提出了一种结合卷积神经网络(CNN)和基于网络的深度迁移学习(NDTL)的NDTL-CNN故障诊断方法。首先,搭建了飞行器方向舵的故障仿真模型,采集不同工况条件、健康状态下的多维传感器数据;然后,设计了CNN,其自适应地从定工况数据中深度提取特征,能够有效捕获方向舵的故障特征信号;最后,对定工况下的预训练CNN进行模型微调,将其迁移到变工况数据中进行故障诊断。实验结果表明:所提方法在短时间内将变工况下CNN的诊断精度提高了15%,最终NDTL-CNN的诊断精度为97.7%,达到了在复杂多变的工况条件下精确辨识方向舵的健康状态。

分析航天器控制系统的特性,建立控制系统健康评估指标体系,从指标级、部件级、设备级等多层次开展健康状态评估方法研究,提出了基于统计学的指标级健康评估方法和基于模糊评判的部件级与系统级健康状态评估方法,利用在轨运行数据验证本方法适合航天器控制系统的健康评估。

针对某液体火箭发动机地面试车启动过程中故障样本数据稀少、故障预测和故障部件定位等问题,提出了一种基于注意力机制的卷积神经网络和长短时记忆网络的故障预警方法。首先,搭建了液体火箭发动机系统仿真模型,采用参数故障注入方法获取启动阶段的正常/故障样本;其次,通过卷积神经网络从输入样本中捕获局部特征,利用长短时记忆网络从特征中提取时序特征,进而预测出监测参数的潜在变化趋势;最后,基于故障诊断模型定位故障部件,实现发动机启动过程的故障预警。实验结果表明,该方法能够有效地对该火箭发动机启动阶段故障进行预警,具有工程应用价值。

针对航天器遥测数据异常检测时先验知识缺失、难以进行有监督条件下机器学习的问题,提出一种融合注意力机制的航天器信号智能异常检测算法。首先,通过注意力机制捕捉航天器遥测数据长距离特征,分析注意力关系矩阵为异常溯源提供指导。其次,采用堆叠自动编码器压缩数据维度并基于此重建输入信号,利用输入信号与重建信号间的残差获取误差重构序列。然后,基于窗口阈值法标记误差重构序列异常索引,实现航天器遥测信号异常检测。最后,通过多通道航天器遥测信号算例验证算法在提高航天器遥测信号异常检测性能与可解释能力的有效性。

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。

从巨型星座轨道运动的力学特性出发,分析了星座空间安全性及自主防碰撞方法。针对碰撞发生的轨道相对运动特征,基于球面三角学构造了碰撞的轨道参数表征形式,分析了星座内部和星座外部的碰撞风险。针对异轨空间目标相对速度大、交会时间短的特征,提出了基于多轨交会航过观测的碰撞风险监视和自主防碰撞规避。以Cosmos-2251卫星和Iridium-33卫星的碰撞为例,分析了碰撞风险目标的相对运动特征,仿真分析了多轨交会航过目标监视和自主碰撞规避的可行性。

针对卫星陀螺仪故障检测中存在的冗余依赖、微小故障覆盖问题,提出一种基于长短时神经网络(LSTM)的故障检测方法。首先对卫星陀螺仪建模,考虑到卫星姿态控制回路对陀螺仪微小故障覆盖影响,利用半物理仿真平台采集陀螺仪正常与故障数据;然后使用部分正常数据训练LSTM神经网络,使得网络具有预测陀螺仪输出的能力,并将另一部分正常数据输入到训练好的网络模型,得到预测误差,进一步设定故障阈值;最后,将测试数据输入提出的故障检测模型,仿真验证其时效性和准确性。结果表明,在采样频率为10Hz时,对于陀螺仪的卡死、噪声以及偏差故障,基于LSTM神经网络的故障检测模型能在故障发生2s内检测出故障,并达到了98.9%的准确率。

在升力体飞行器飞行试验中,故障状态下残骸可能的散布范围大,且沿航线分布。为了精细化评估飞行试验安全性,提出了一种基于可靠性分时评估的升力体飞行器飞行试验航区安全性风险精细评估方法,能够反映飞行器长时间飞行后各系统当前状态和经历的飞行剖面对故障概率带来的影响。文中将残骸散布评估问题转换为升力体飞行器分时段可靠性计算与飞行仿真计算问题,并给出了相应计算方法以及仿真算例。该方法能够用于各类升力体飞行器的飞行试验安全性分析。

针对无人机用于侦察或火力打击时,传输的控制命令和无人机自身的坐标需要保密,提出了一种新的物理层加密方法。鉴于无人机和地面站分别有一对有限维度的预测双向信道向量(ERCVs),该方法首先使用连续加密函数(CEF),将无人机和地面站的两个ERCVs分别转化为两个任意维度的准连续伪随机数序列(QCPRNs),然后,把QCPRNs进一步转化为两个均匀分布(UD)的QCPRNs序列,并将UD-QCPRNs以模数方式叠加到无人机传输的信息上,地面站产生UD-QCPRNs完成在地面的解密,为无人机安全的对地通信执行了信息和坐标的隐藏。仿真实验证明:所提议的方法可以对抗攻击者可能的任何探测方法,适用于无人机的安全飞行或战争任务的完成。

针对液体火箭发动机运行过程中外界载荷及自身属性存在不确定性导致失效的问题,提出了一种基于泰森多边形区域划分结合自适应克里金代理模型的液体火箭发动机可靠性分析方法。该方法通过对全局进行泰森多边形区域划分,结合改进留一法选取最敏感区域,通过主动学习函数筛选样本点,进而迭代更新液体火箭发动机的克里金代理模型。该方法的优势在于,能够依据较少的样本点构建精确的液体火箭发动机模型,实现液体火箭发动机失效概率的准确预测。将本文所提方法应用于实际液体火箭发动机可靠性分析中,构建的代理模型测试计算误差与其他模型相比小于1%,效率提高了48%,从而高效地实现了液体火箭发动机的可靠性分析,降低了计算成本。

分析研究了附加连接对多级协同控制卫星控制性能的影响。首先,利用牛顿欧拉法建立了主动指向超静平台动力学模型与卫星-载荷多级系统,为分析附加连接对系统产生的影响提供了动力学基础;其次,将线缆连接等效为附加刚度,建立了附加连接的力学模型并加入多级卫星动力学系统;仿真分析了附加刚度对开环与闭环系统隔振效果的影响,进一步分析了附加刚度对主动指向超静平台稳定性与指向控制精度的影响并提出了解决方案。仿真结果表明,星体与载荷之间的附加连接略微降低了主动指向超静平台的隔振效果与系统的稳定性,但对载荷指向控制精度影响不大。

针对某型火箭外测系统设备故障现象,在对服务器A启动缓慢故障原因分析的基础上,建立了层次故障树模型,开展了定性分析和针对性故障验证试验,确定了该故障发生的原因,并采取了有效的措施保证火箭测试工作的正常进行。实践证明,运用故障树分析法能够快速定位故障原因,为改进外测系统设备在低温条件下工作的可靠性提供重要支撑。