LEO/MEO双层卫星网络的性能分析

基于模型方法和软件仿真方法 ,对一种低轨 /中轨 (LEO/MEO)双层卫星网络进行了性能分析 首先建立了双层卫星网络的广义随机Petri网 (GSPN)模型 ,通过对模型进行分析和合理简化 ,采用SP NP4 0软件进行了网络性能分析 然后 ,将分析的结果与采用OPNET软件对LEO/MEO双层卫星网络模拟的结果进行比较 ,验证了模型分析方法的正确性 。

变参数网络控制系统的双模态离散跳变模糊控制

研究了一类变参数非线性网络控制系统随机稳定性和控制器设计问题.针对具有有界随机延迟和数据包丢失的不确定网络控制系统,提出一种离散时间跳变模糊方法,建立其双模态不确定Takagi-Sugeno模糊数学模型,综合刻画了网络的有界随机时延和丢包特性、网络传输的不对称性以及控制对象的不确定性非线性动力学现象.基于该模型,利用Lyapunov理论和线性矩阵不等式方法,推导出系统随机稳定的充分条件,给出了具有分段二次Lyapunov稳定与次优性能指标的保成本状态反馈模糊控制器的设计方法.该方法归结为一组双线性矩阵不等式,可利用同伦迭代算法求解.数例仿真结果表明,对于任意容许的不确定性,该方法设计的控制器能使系统随机稳定.

网络控制系统仿真平台的设计与实现

已有NCS仿真平台采用单一的全数字仿真或半实物仿真方式,在灵活性或真实性方面具有一定的局限性。首先归纳理想NCS仿真平台所应具有的品质,然后以其为指导提出了一种新的NCS仿真平台的实现框架,并基于MATLAB、OPNET、VisualC++等软件平台和软件组件设计思想实现了仿真平台NCS-SP(NCS-SimulationPlatform)。NCS-SP突破时延小于一个采样周期的限制,提供不同模块的多种选择属性,从而克服已有平台的不足,增强了仿真平台的有效性和灵活性。最后,通过不同网络环境下的仿真试验分析了网络时延和丢包对系统性能的影响。

基于PETRI网模型的LEO/MEO/GEO三层卫星网络的性能分析

基于Petri网模型方法和仿真方法 ,对一种低轨 /中轨 /同步地球轨 (LEO/MEO/GEO)三层卫星网络进行了性能分析 .首先建立了卫星网络的广义随机Petri网 (GSPN)模型 ,采用SPNP6 .0软件进行了网络性能分析 .然后 ,将分析结果与采用OPNET软件对该三层卫星网络模拟的结果进行了比较 ,验证了模型的正确性 ,并得出了诸如在高网络负载的情况下三层网络结构的性能优于单层等新的结论 .

软件定义卫星技术概念及发展

针对在轨卫星呈现海量化、网络化、智能化发展的趋势,重点探讨了软件定义卫星技术的产生背景、概念、内容与挑战。通过历史回顾,归纳卫星系统研制的3个阶段,指出目前卫星系统正在从平台、载荷优先向算法优先演进,这一趋势推动了软件定义卫星技术的产生与发展;阐述软件定义卫星技术的概念与边界,指出研究软件定义卫星技术的目的不是研制一类新型卫星,而是利用软件定义技术实现硬件资源虚拟化、系统软件平台化、应用软件多样化,提升卫星系统的网络化与智能化;分析软件定义卫星技术的主要内容与挑战,并对未来的发展进行展望。

面向在轨服务遥操作技术的研究与展望

回顾了面向在轨服务遥操作技术的发展现状。针对现代航天器对在轨服务的技术需求,分别从系统结构与体系结构、控制模式、控制技术等方面论述了面向在轨服务遥操作技术需要研究的主要关键技术问题。最后,对遥操作技术的未来发展进行了展望。

软件定义卫星技术发展与展望

软件定义卫星是以天基超算平台和星载操作环境为基础的新一代开放架构的卫星系统,支持有效载荷动态重组、应用软件动态重配、卫星功能动态重构。文中从需求分析、国内外研究现状、软件定义卫星的概念内涵、体系架构和关键技术、发展设想等方面进行了分析和论述。通过软件定义卫星技术的研究,有助于缩短卫星研制周期、降低卫星研发成本,为在轨维护与服务创造更好的条件;有助于加快卫星产品的升级换代,对新的重大航天任务需求进行更为快速的响应。

发展软件定义卫星的总体思路与技术实践

软件定义卫星是以天基先进计算平台和星载通用操作环境为核心,采用开放系统架构,支持有效载荷即插即用、应用软件按需加载、系统功能按需重构的新一代卫星系统。本文结合以发展天基智能为目标的天智工程,介绍了我们推动软件定义卫星发展的总体思路以及正在进行的一些技术实践,给出了有助于加速传统卫星向智能卫星演化的路线图。

基于深度强化学习的软件定义卫星姿态控制算法

深度强化学习(DRL)作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。

基于图像分割和密度聚类的遥感动目标分块提取

大幅宽遥感图像的动目标检测研究中,卷积神经网络虽然取得了显著效果,但算法存在目标搜索空间庞大、模型极其消耗时间及计算资源的问题,因此本文从目标区域预筛选的角度给出了针对性优化方法。首先,基于局部误差处理的策略,改进了现有的图像分割算法来粗糙地提取动目标可能存在的区域。然后,以相邻区域合并、减少总数量和面积为目的,设计了一种基于空间约束的密度聚类算法——SC-DBSCAN,其以分治思想来降低问题的规模,通过空间尺寸的先验约束自适应地将数据划分为多个相互独立的簇,并针对簇的复杂程度选择相应的合并策略,在复杂簇中,考虑到合并结果与对象遍历顺序相关,易陷入局部最优,引入基于模拟退火思想的随机扰动有效提升了输出的图像块质量。最终,通过减少模型推断次数及避免目标的重复检测,显著地改进动目标检测的整体效率。

基于人工势场的空间遥操作共享控制

在大通信时延、微重力的空间环境中,使用机械臂实施单元更换等遥操作存在巨大挑战。该文提出了一种基于人工势场的共享控制方法,即利用服务星机械臂上测距传感器阵列产生引力或斥力信号来增强地面遥操作的控制指令,以共享控制模式扩展人类远程控制与操作能力。该方法在一个6-DOF Motoman机械臂上得到了有效实现。地面实验系统上的实验表明此方法能够克服5s以上的时延影响并显著提高操作效率。