遥感仪器光学系统用非球面反射镜的支撑结构设计

目前空间遥感仪器的非球面反射镜一般都是用支撑柔性结构加背板的支撑结构支撑的。由于支撑结构的质量占有较大比重,需要简化支撑结构的形式,降低支撑结构的质量。依据三点定位原理和双脚架挠性结构,设计了3个用于简化反射镜支撑结构形式的柔性铰链结构,并采用有限元软件对设计结果进行了分析。结果表明,这种支撑结构形式可以适应空间力热环境并能达到精度要求,实现了对大口径非球面反射镜的支撑。该支撑结构去除了传统结构中的反射镜背板,简化了支撑结构的形式,减小了支撑结构的质量,降低了组件加工和装配工艺的难度。

基于YOLOv4-tiny的遥感图像飞机目标检测技术研究

针对传统遥感图像飞机目标检测算法在复杂背景下存在检测准确度和检测召回率较低的问题,基于深度学习中YOLOv4-tiny提出一种遥感图像飞机目标检测算法。根据YOLOv3和YOLOv4的网络结构对YOLOv4-tiny的网络结构进行改进,将原算法中的CSP特征提取网络强化,使其特征提取能力增加;使用Mish激活函数替换原激活函数Leaky ReLU,以获取更好的泛化性;添加了空间金字塔池化模块,缓解网络对目标尺度的敏感程度。实验结果表明:在常规高质量、过度曝光的停机坪、登机口干扰和雾天影响的遥感图像测试中,改进后的算法都有很优秀的检测效果,最终统计检测准确度为98.49%,较原算法提升了1.79%,召回率为97.19%,提升了23.2%,速度达到8.77ms。检测效果有显著提升,能够满足实时性要求。

基于高体分SiC_p/Al材料的空间相机主支撑结构研制

作为空间相机光学元件的载体,主支撑结构对于确保光学元件相对位置的长期准确稳定具有决定性作用。由于具有比刚度高、热稳定性好等优点,高体分碳化硅颗粒增强铝基(SiC_p/Al)复合材料非常适用于航天光机结构。利用超声波钎焊技术可以解决高体分SiC_p/Al材料的焊接问题,这为其在空间相机主支撑结构上的应用奠定了基础。介绍了一种基于高体分SiC_p/Al材料的某空间相机的主支撑结构。通过工程分析比较了同一主支撑结构分别采用TC4和高体分SiC_p/Al两种材料时的力学性能差异。结果表明,采用高体分SiC_p/Al材料制成的主支撑结构在质量上轻了31.8%,在一阶频率上高了25%。通过力热试验可知,该主支撑结构在焊缝强度和尺寸稳定性等方面均满足使用要求。

某空间遥感器主镜支撑方案设计与分析

从满足某空间光学遥感器主镜在复杂的工况下综合面形误差要求的角度出发，介绍了长圆形主镜及其支撑结构材料的选择。讨论了主镜的优化设计及其支撑结构的设计方法，并运用CAD／CAE工程分析软件对其进行了分析及优化，应用有限元法优化出了一种合理的主镜柔性支撑结构。

大型光学望远镜主镜主动支撑系统研究进展

主动支撑系统能使大型光学望远镜的主镜具备面形控制及定位的能力,单体镜面形主动控制技术及拼接镜共相位成像技术因而得到了迅速发展。回顾了近年来主动支撑系统及促动器在大型光学望远镜中的应用,并对其进行了总结,归纳出了几种常见的主动支撑系统及促动器,比较了它们的特点,陈述了主动支撑系统与促动器之间的内在联系。最后对未来应用于望远镜主镜的主动支撑系统及促动器进行了展望。

桁架接头对遥感相机桁架的影响

桁架结构在大中型遥感相机中已被广泛应用。理想的桁架接头为铰接接头,但在实际工程应用中人们却经常采用刚性连接接头。为比较采用两种接头的桁架的整体刚度及支杆材料利用率,首先对桁架中常用的两脚架结构进行了分析。然后,以锯齿形四角架桁架为例,从理论上计算出了两种不同接头的桁架的基频及受前框自重时支杆的最大应力。结果表明,两种接头的桁架的整体刚度几乎一样,但采用铰接接头的桁架比采用刚性连接接头的桁架材料利用率高,支杆可节省重量约21.87%。最后,用Nastran软件进行了有限元分析。结果证明,该理论计算结果是正确的,两种计算结果的差别小于1.12%。

用于降低胶接应力的反射镜胶接技术

目前空间光学相机用反射镜大多采用脆性材料,所以结构简单的胶接方式比较适合反射镜的固定。但是如何控制胶接质量、降低或消除由胶接应力引起的反射镜镜面变形显得至关重要。针对空间光学相机中常用的反射镜光学环氧胶胶接,通过合理确定胶层参数、采用相应手段控制胶层厚度以及采用合理的光学环氧胶固化工艺,降低了反射镜胶接时的胶接应力,保证了反射镜面形在胶接前后维持不变。通过试验验证了该胶接方案的合理性和可行性。

基于改进Yolov5l的航空小目标检测算法

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5)。在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PAN特征融合时设置融合权重,输出端采用SE-Net注意力机制,测试时进行多尺寸输入及测试时间增强(TTA)。算法在visdron2021数据集上进行验证,实验结果表明,AS-Yolov5的均值平均精度@0.5(mAP@0.5)为41.0%,较Yolov5l的28.5%提升12.5%,有效提高Yolov5l难以在远距离、暗环境、密集分布和图像模糊的场景下的小目标检测能力。